【摘要】：目標跟蹤算法是人們處理視頻或者圖像信息最常用的技術(shù)手段,為運動目標的提取和分析提供了可靠保障,在視頻監(jiān)控、智能駕駛、智能機器人等領(lǐng)域有著重要的研究意義。在過去幾年的發(fā)展中,涌現(xiàn)出大量優(yōu)秀的目標跟蹤算法,提高了現(xiàn)有目標跟蹤算法的跟蹤速率。但是在實際情況中,由于道路周圍環(huán)境復(fù)雜,導(dǎo)致目標仍存在遮擋、尺度變化等問題。這就對目標跟蹤算法的尺度檢測能力以及算法的跟蹤精確度提出了更高的要求。針對上述存在的問題,本文提出了基于快速尺度金字塔的改進核相關(guān)濾波目標跟蹤算法。首先,算法中加入快速尺度金字塔對目標尺度進行實時的估計,進而實時的調(diào)整算法跟蹤框的大小,使跟蹤算法能夠尺度自適應(yīng)的對目標進行跟蹤。其次,在傳統(tǒng)核相關(guān)濾波目標函數(shù)的基礎(chǔ)上,加入懲罰項(?)。利用目標周圍區(qū)域采集到的負樣本對w進行訓(xùn)練,當樣本與目標背景相關(guān)時,使訓(xùn)練模板w盡可能小,這種改進可以有效地提高目標的跟蹤精確度。最后,結(jié)合目標尺度變換因子以及視頻前一幀對當前幀的影響,采用線性迭代方法進行參數(shù)更新。實驗結(jié)果表明,本文第一次改進算法Ours在Benchmark 2013標準測試集上的整體跟蹤精確度為67.9%,成功率為58.2%;第二次改進算法Ours_CA的整體跟蹤精確度為86.4%,成功率為66.7%,算法整體的的成功率和跟蹤精確度都優(yōu)于其它目標跟蹤算法,當目標發(fā)生遮擋以及尺度變化時,本文算法可以有效地對目標進行跟蹤。
【圖文】：

目標跟蹤算法的應(yīng)用

局部二值模式算子提取過程
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TN713

【參考文獻】

相關(guān)期刊論文 前4條

1 楊冰;王小華;楊鑫;黃孝喜;;基于HOG金字塔人臉識別方法[J];浙江大學(xué)學(xué)報(工學(xué)版);2014年09期

2 鄭胤;陳權(quán)崎;章毓晉;;深度學(xué)習(xí)及其在目標和行為識別中的新進展[J];中國圖象圖形學(xué)報;2014年02期

3 陶立超;趙宇明;;基于分塊顏色直方圖和粒子濾波的物體跟蹤[J];計算機工程與應(yīng)用;2012年07期

4 王瑋;黃非非;李見為;馮海亮;;使用多尺度LBP特征描述與識別人臉[J];光學(xué)精密工程;2008年04期

相關(guān)碩士學(xué)位論文 前4條

1 楊陽;復(fù)雜場景下目標跟蹤算法的研究[D];中北大學(xué);2018年

2 王守義;基于核相關(guān)濾波的目標跟蹤算法研究與實現(xiàn)[D];中北大學(xué);2018年

3 付萌萌;基于Gabor小波的自適應(yīng)局部相位量化的圖像檢索研究[D];長安大學(xué);2016年

4 曾吉;基于結(jié)構(gòu)化SVM的自適應(yīng)尺度跟蹤方法研究[D];西安電子科技大學(xué);2015年

，

本文編號：2659246