【摘要】：視覺跟蹤是計算機(jī)視覺領(lǐng)域的研究熱點問題,在軍事和安防等多個領(lǐng)域具有重要的研究價值。近年來基于相關(guān)濾波的跟蹤算法展現(xiàn)了魯棒快速的跟蹤性能,引起了研究人員的極大關(guān)注。但是由于復(fù)雜的監(jiān)控場景中形變、背景模糊等因素的干擾,視覺跟蹤面臨巨大挑戰(zhàn)。另外,監(jiān)控設(shè)備性能受限,導(dǎo)致獲取的表觀信息不具有魯棒性,嚴(yán)重制約了跟蹤算法的性能。為解決相關(guān)濾波算法在跟蹤過程中所面臨的問題,本文提出了兩種改進(jìn)算法:(1)提出了基于全局背景與特征降維的相關(guān)濾波跟蹤算法。首先針對相似背景干擾導(dǎo)致的相關(guān)濾波器無法準(zhǔn)確跟蹤問題,提取緊鄰目標(biāo)的圖像區(qū)域作為負(fù)樣本供濾波器學(xué)習(xí),以充分利用目標(biāo)周圍的背景信息,從而避免背景中相似物的干擾。然后,為了解決HOG特征對形變敏感的問題,加入顏色特征表征運動目標(biāo),并在響應(yīng)圖層面實現(xiàn)兩種特征的自適應(yīng)融合。最后,提出一種基于主成分分析法的訓(xùn)練更新策略,構(gòu)建降維矩陣壓縮特征維度,使得訓(xùn)練的尺度濾波器能夠有效處理尺度變化問題的同時減少其冗余。在標(biāo)準(zhǔn)數(shù)據(jù)集上與Staple、KCF等其他算法進(jìn)行了仿真對比,結(jié)果表明所提算法具有更強(qiáng)的魯棒性。(2)提出了基于多視角檢測與多模板學(xué)習(xí)的相關(guān)濾波跟蹤算法。首先針對網(wǎng)絡(luò)訓(xùn)練過程中梯度變化過大導(dǎo)致的無法有效學(xué)習(xí)問題,采用OIM損失函數(shù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò),通過在線更新策略加速網(wǎng)絡(luò)優(yōu)化,獲取表達(dá)能力更強(qiáng)的類內(nèi)特征。同時采用多視角匹配策略,選取多個視角對目標(biāo)進(jìn)行檢測,以排除相似目標(biāo)的干擾。然后在跟蹤模塊引入多模板學(xué)習(xí)機(jī)制,構(gòu)建多姿態(tài)表觀模型,以提高目標(biāo)的描述能力,達(dá)到位置糾正的目的。另外,加入重檢測機(jī)制,以解決跟蹤漂移問題。最后,采集實際監(jiān)控場景下的視頻進(jìn)行實驗,結(jié)果表明所提算法能有效克服監(jiān)控設(shè)備受限問題,實現(xiàn)了監(jiān)控場景下長期有效跟蹤的目的。同時與ROT、fDSST等其他算法進(jìn)行仿真對比,驗證了所提算法的有效性。
【圖文】：

碩士學(xué)位論文 f 和g之間的相關(guān)性，，在一維空間中兩個信號的互相關(guān)運算可定義為：f g f t g t dt （2-1中 f 是 f 的復(fù)共軛， 表示位移。在二維空間中兩個信號的互相關(guān)運算被定義為：f t g t f t , s g t x ,s y dtds （2-2通過上式相關(guān)操作得到信號 f 和g的相似度，公式計算所得值越高，則表f 和 g 相似度越高。跟蹤完全符合這一特性，當(dāng)目標(biāo)樣本和待測樣本是同一目標(biāo)么相似度高，反之，相似度低。

碩士學(xué)位論文最終的響應(yīng)圖，此時峰值位置處被確定為被追蹤目標(biāo)的中心位置。最后利用新的目標(biāo)外觀模型對相關(guān)濾波模型進(jìn)行在線更新，以更好地處理形變、尺度變化以及旋轉(zhuǎn)的影響。隨后，不斷重復(fù)檢測與更新直到視頻的最后一幀圖像。初始幀當(dāng)前輸入幀...當(dāng)前位置特征提取余弦窗函數(shù)響應(yīng)圖訓(xùn)練更新濾波器相關(guān)濾波器
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;中國學(xué)者在視覺跟蹤領(lǐng)域取得重要進(jìn)展[J];模式識別與人工智能;2019年02期

2 孫巧;張勝修;扈曉翔;梅江元;;和聲搜索粒子濾波視覺跟蹤[J];哈爾濱工業(yè)大學(xué)學(xué)報;2018年04期

3 畢齊林;劉志軍;徐虎;唐振宇;唐惠玲;許智敏;;線結(jié)構(gòu)光輔助式焊縫視覺跟蹤中圖像分割方法研究[J];科學(xué)家;2017年09期

4 王哲;;視覺跟蹤 用眼睛使用的“鼠標(biāo)”[J];電腦愛好者;2007年07期

5 席文明,羅翔,朱劍英;基于約束卡爾曼濾波器預(yù)測的視覺跟蹤研究[J];南京航空航天大學(xué)學(xué)報;2002年06期

6 劉鐵根,蔡懷宇,張以謨,路登平,胡繩蓀,張鳳林;一種埋弧焊視覺跟蹤系統(tǒng)(英文)[J];光電工程;1999年06期

7 宋麗丹;;運動視覺跟蹤電子設(shè)備的改進(jìn)設(shè)計[J];現(xiàn)代電子技術(shù);2017年24期

8 萬欣;張春輝;張琳;周凡;;加權(quán)全局上下文感知相關(guān)濾波視覺跟蹤算法[J];計算機(jī)工程與應(yīng)用;2018年16期

9 宋濤;李鷗;劉廣怡;崔弘亮;;基于改進(jìn)協(xié)作目標(biāo)外觀模型的在線視覺跟蹤[J];電子學(xué)報;2017年02期

10 王衛(wèi);金立左;;基于DSP+FPGA視覺跟蹤平臺的設(shè)計與實現(xiàn)[J];工業(yè)控制計算機(jī);2015年03期

相關(guān)會議論文 前6條

1 李善青;賈云得;柳陽;;一種用于穿戴計算的指示手勢視覺跟蹤方法[A];第三屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2007）論文集[C];2007年

2 周露平;陳會勇;方偉;陳宗海;;基于Kalman濾波的特征跟蹤[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

3 黎蔚;楊凱鵬;陳家新;冀治航;;一種基于二維直方圖的跟蹤算法[A];第十屆中國科協(xié)年會論文集（一）[C];2008年

4 郭北苑;方衛(wèi)寧;;人機(jī)交互中基于眼動儀的輸入技術(shù)研究[A];第二屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2004年

5 李忠海;王莉;崔建國;;復(fù)雜天空背景下小飛行目標(biāo)檢測與跟蹤系統(tǒng)設(shè)計[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

6 呂玉生;趙杰煜;;具有視覺跟蹤的中英文語音動畫系統(tǒng)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

相關(guān)重要報紙文章 前4條

1 本報記者 袁泉 白皓元;機(jī)器人讓“未來”照進(jìn)現(xiàn)實[N];人民日報;2014年

2 曉維;“facelab”隨時監(jiān)控司機(jī)注意力[N];大眾科技報;2002年

3 本報記者 李大慶;中科院研究所,讓公眾看到科技的神奇[N];科技日報;2010年

4 記者 陳佳瑩;給機(jī)器裝上聰明的“眼睛”[N];浙江日報;2015年

相關(guān)博士學(xué)位論文 前10條

1 龔紅;復(fù)雜環(huán)境下視覺跟蹤技術(shù)及應(yīng)用研究[D];貴州大學(xué);2019年

2 胡丹;面向視覺跟蹤的深度學(xué)習(xí)模型設(shè)計與優(yōu)化研究[D];西北工業(yè)大學(xué);2017年

3 黃達(dá)飛;高性能視覺跟蹤關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2017年

4 孫沖;基于結(jié)構(gòu)化判別模型的視覺跟蹤算法研究[D];大連理工大學(xué);2018年

5 王其聰;復(fù)雜觀測條件下的基于粒子濾波的視覺跟蹤[D];浙江大學(xué);2007年

6 王法勝;復(fù)雜場景下的單目標(biāo)視覺跟蹤算法研究[D];大連海事大學(xué);2014年

7 王棟;基于線性表示模型的在線視覺跟蹤算法研究[D];大連理工大學(xué);2013年

8 溫靜;基于張量子空間學(xué)習(xí)的視覺跟蹤方法研究[D];西安電子科技大學(xué);2010年

9 袁慶曙;數(shù)字化互動陳展技術(shù)與系統(tǒng)研究[D];浙江大學(xué);2009年

10 邱家濤;電子穩(wěn)像算法和視覺跟蹤算法研究[D];西安電子科技大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 郭春麗;邊緣計算環(huán)境中基于可靠性的視覺跟蹤算法[D];內(nèi)蒙古大學(xué);2019年

2 宋柯;基于強(qiáng)化學(xué)習(xí)的視覺跟蹤方法研究與實現(xiàn)[D];山東大學(xué);2019年

3 王賽楠;基于相關(guān)濾波的視覺跟蹤算法研究[D];中國礦業(yè)大學(xué);2019年

4 張福濤;基于相關(guān)濾波和分層卷積特征的目標(biāo)跟蹤方法研究[D];西安郵電大學(xué);2019年

5 李曉萍;基于深度學(xué)習(xí)的半在線領(lǐng)域自適應(yīng)目標(biāo)跟蹤[D];江西師范大學(xué);2018年

6 車滿強(qiáng);基于深度卷積特征的相關(guān)濾波視覺跟蹤算法研究[D];北方工業(yè)大學(xué);2019年

7 梁欣妍;面向多模態(tài)視覺跟蹤的魯棒目標(biāo)表示模型研究[D];安徽大學(xué);2019年

8 林智聰;基于FPGA的無人機(jī)視覺跟蹤系統(tǒng)的研究[D];哈爾濱工業(yè)大學(xué);2017年

9 賀章平;基于卷積神經(jīng)網(wǎng)絡(luò)的行人重識別與視覺跟蹤研究[D];西安電子科技大學(xué);2017年

10 魯國智;基于嵌入式系統(tǒng)的視覺跟蹤算法研究[D];杭州電子科技大學(xué);2018年

本文編號：2668537