【摘要】：基于計算機視覺的目標(biāo)跟蹤是指在連續(xù)視頻序列中持續(xù)定位目標(biāo)物體的過程,它在人機交互、安全監(jiān)控、增強現(xiàn)實、醫(yī)學(xué)影像和自主導(dǎo)航等多個領(lǐng)域都有緊迫的應(yīng)用需求。近年來,隨著實際應(yīng)用場景的復(fù)雜度逐漸增加,目標(biāo)跟蹤算法所遇到的挑戰(zhàn)也逐漸增大。照明變化、尺度及形態(tài)變化、快速運動、運動模糊、遮擋、消失和保持實時性等問題都對實現(xiàn)視頻中目標(biāo)的魯棒跟蹤帶來了極大的挑戰(zhàn)。因此,設(shè)計并實現(xiàn)針對復(fù)雜環(huán)境的實時的、魯棒的目標(biāo)跟蹤算法具有很高的研究和應(yīng)用價值。本文針對無人移動平臺單目標(biāo)長時間跟蹤的問題,通過融合FHOG和Color Names特征,以及引入遮擋判斷、學(xué)習(xí)率動態(tài)自適應(yīng)和特征降維等方法,利用單獨的尺度濾波器設(shè)計并實現(xiàn)了尺度及學(xué)習(xí)率自適應(yīng)的核相關(guān)濾波算法,使得其擁有更強的目標(biāo)外觀表示能力、更好的應(yīng)對目標(biāo)尺度變化能力、更合理的模板更新策略,以及更高的實時性能。在此基礎(chǔ)上,通過融合短期記憶濾波器、尺度濾波器、長期記憶濾波器和基于在線SVM的重檢測器,設(shè)計并實現(xiàn)了融合檢測的多濾波器核相關(guān)濾波算法,使得其不僅能夠快速地確定目標(biāo)位置和尺度,還能保留目標(biāo)的歷史外觀“記憶”,在濾波模板不準(zhǔn)確和目標(biāo)被遮擋時重新搜索目標(biāo),以提升目標(biāo)跟蹤的魯棒性。為了進一步解決移動平臺目標(biāo)被遮擋導(dǎo)致跟蹤失敗的問題,本文還設(shè)計了基于SVR的軌跡預(yù)測模塊,其能夠在出現(xiàn)嚴(yán)重遮擋后對目標(biāo)軌跡進行準(zhǔn)確預(yù)測,顯著降低了移動平臺在遭遇此種情形時的跟蹤失敗概率。本文圍繞無人移動平臺單目標(biāo)長時間跟蹤的難點,對核相關(guān)濾波算法進行了深入的研究和改進。此外,本文還在OTB數(shù)據(jù)集上分別從定性和定量兩個角度對提出的兩種目標(biāo)跟蹤算法進行了實驗驗證和數(shù)據(jù)分析,并將結(jié)果與一些傳統(tǒng)的優(yōu)秀算法進行了對比。實驗結(jié)果表明本文提出的兩種算法均具有的較強競爭力,同時也說明了通過結(jié)合多特征融合、尺度及學(xué)習(xí)率自適應(yīng)、長時間跟蹤等方法能夠顯著地提升在遭遇部分及完全遮擋、形態(tài)及尺度變化、照明變化和長時間跟蹤等多種不利情況下核相關(guān)濾波算法的跟蹤魯棒性。這些提升為無人移動平臺長時間單目標(biāo)跟蹤的應(yīng)用研究提供一個更加堅實的算法基礎(chǔ)。
【圖文】：

了效率更高的主動捕食，從而開啟了地球上生物的新的數(shù)億年的弱肉強食的紀(jì)元。視覺的出現(xiàn)使得動物們可以更敏銳地察覺到環(huán)境的改變，也讓地球上的各物種間的競爭變得更加復(fù)雜，從而極大地促進了物種的多樣性。從那之后，，地球上幾乎所有的動物都進化出了一套屬于自己的視覺系統(tǒng)。人類感知世界有三種重要的途徑：視覺、聽覺和觸覺，其中，視覺是占比最大的信息獲取途徑。生產(chǎn)和生活中存在著很多需要獲取和處理視覺信息的單一枯燥的任務(wù)，例如工業(yè)檢測、安防監(jiān)控等。為了減輕人類的負擔(dān)和提高視頻處理效率，用計算機輔助乃至代替人類進行視頻處理是一個總體的趨勢。近年來，隨著高性能計算機、視覺傳感器和存儲器等硬件設(shè)備的高速發(fā)展和視覺系統(tǒng)自動化需求的日益增長，計算機視覺技術(shù)吸引了海內(nèi)外研究者們的廣泛關(guān)注，如何讓計算機更好地處理和理解視頻信息成為目前學(xué)術(shù)界的研究重點。目標(biāo)檢測與跟蹤作為計算機視覺中重要且具有挑戰(zhàn)性的任務(wù)，其常見的具體應(yīng)用如圖 1-1 所示。

圖1-2 展示的就是對一個視頻序列進行單目標(biāo)跟蹤的過程。圖 1-2 視頻序列單目標(biāo)跟蹤示意圖目標(biāo)跟蹤的用途非常廣泛，包括：人機交互、安全監(jiān)控、增強現(xiàn)實、醫(yī)學(xué)影像[2]和自主導(dǎo)航等，具體介紹如下。（1）人機交互對人類手勢、視線，臉部的跟蹤等研究和應(yīng)用近來都非常熱門，它們正在顛覆傳統(tǒng)的人機交互技術(shù)[3]。比較熱門的虛擬現(xiàn)實技術(shù)正是通過對手勢關(guān)鍵點的跟蹤、面部識別與跟蹤和眼球微動的跟蹤給予計算機信號，從而方便計算機理解人類的意圖，而這相比傳統(tǒng)的人為輸入命令的方式，是一個巨大的突破，將給人類的生活帶來更多的便利。（2）安全監(jiān)控在當(dāng)今世界，監(jiān)控已經(jīng)成為許多日�；顒又斜夭豢缮俚囊�。為了更好地保護人身、財產(chǎn)安全，銀行、監(jiān)獄、機場、停車場、加油站、商店等多種場所都需要監(jiān)控。正因為如此，如何利用計算機視覺技術(shù)，讓計算機自動化地執(zhí)行某些監(jiān)視任務(wù)，以協(xié)助安保人員工作是一個緊迫的問題。目標(biāo)跟蹤和檢測通過對特定目標(biāo)或者危險行為的智能檢測和持續(xù)跟蹤，可以自動化執(zhí)行監(jiān)控任務(wù)，能夠極大地減輕安保人員的負擔(dān)。
【學(xué)位授予單位】：華南理工大學(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3條

1 周瑜;劉俊濤;白翔;;形狀匹配方法研究與展望[J];自動化學(xué)報;2012年06期

2 應(yīng)劍烈;華國棟;劉耀年;;基于v-SVR的短期電力負荷預(yù)測[J];東北電力大學(xué)學(xué)報;2007年02期

3 江寶安,盧煥章;粒子濾波器及其在目標(biāo)跟蹤中的應(yīng)用[J];雷達科學(xué)與技術(shù);2003年03期

本文編號：2694456