【摘要】：經(jīng)過(guò)多年的研究和發(fā)展,目標(biāo)跟蹤在計(jì)算機(jī)視覺(jué)領(lǐng)域已經(jīng)越來(lái)越多的受到人們的重視與關(guān)注。由于目標(biāo)跟蹤技術(shù)日新月異的發(fā)展,目標(biāo)跟蹤已經(jīng)廣泛運(yùn)用在視頻監(jiān)控、人機(jī)交互、機(jī)器人視覺(jué)以及軍事領(lǐng)域等多個(gè)行業(yè)中。因此,目標(biāo)跟蹤領(lǐng)域中的各種跟蹤算法也應(yīng)運(yùn)而生。由于在實(shí)際跟蹤場(chǎng)景的復(fù)雜性,提出一個(gè)精確度高、魯棒性強(qiáng)、跟蹤速度快的跟蹤算法仍然是目標(biāo)跟蹤領(lǐng)域研究的重難點(diǎn)。在基于相關(guān)濾波的跟蹤算法提出以后,它將時(shí)域中的相關(guān)操作通過(guò)傅里葉變換轉(zhuǎn)換到頻域中的點(diǎn)積操作,大大的提升了算法的速度。實(shí)現(xiàn)了在保證高精度的前提下同時(shí)可以保持很高的跟蹤速度,吸引了大批研究人員的關(guān)注。目前已經(jīng)涌現(xiàn)了大批基于相關(guān)濾波跟蹤框架的算法及其改進(jìn)算法。本文對(duì)基于相關(guān)濾波跟蹤框架的目標(biāo)跟蹤算法進(jìn)行了研究,在深入分析了基于相關(guān)濾波的目標(biāo)跟蹤框架之后,從學(xué)習(xí)一個(gè)更具判別能力的濾波器實(shí)現(xiàn)更加魯棒的跟蹤、自適應(yīng)的改變目標(biāo)響應(yīng)解決邊界效應(yīng)問(wèn)題、對(duì)目標(biāo)響應(yīng)加入高斯先驗(yàn)的限制進(jìn)行合理的建模實(shí)現(xiàn)更加可信的跟蹤幾個(gè)方面對(duì)基于相關(guān)濾波的跟蹤算法進(jìn)行了改進(jìn)。實(shí)驗(yàn)結(jié)果證明,本文提出的改進(jìn)算法在跟蹤的精確度和魯棒性上都有一定的提升。本文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)總結(jié)如下:(1)為了提高基于相關(guān)濾波跟蹤算法的魯棒性,本文將原始的相關(guān)濾波跟蹤框架中學(xué)習(xí)濾波器的正則約束項(xiàng)由L2范數(shù)替換為elastic-net的約束,學(xué)習(xí)一個(gè)判別能力更強(qiáng)的濾波器從而適應(yīng)更多的跟蹤場(chǎng)景,實(shí)現(xiàn)更加魯棒的跟蹤。另外,傳統(tǒng)的相關(guān)濾波跟蹤算法利用循環(huán)矩陣產(chǎn)生樣本矩陣,利用循環(huán)位移代替實(shí)際位移存在邊界效應(yīng)問(wèn)題。在實(shí)際場(chǎng)景中這種循環(huán)位移和真實(shí)的位移存在一定的區(qū)別,循環(huán)位移會(huì)帶來(lái)邊界效應(yīng)的問(wèn)題。為了解決這種邊界效應(yīng),本文在每一幀中自適應(yīng)的改變目標(biāo)響應(yīng),通過(guò)在每一幀聯(lián)合求解濾波器和目標(biāo)響應(yīng)來(lái)緩解循環(huán)位移帶來(lái)的邊界效應(yīng)。在OTB數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明,提出的基于彈性網(wǎng)約束的自適應(yīng)目標(biāo)響應(yīng)相關(guān)濾波跟蹤算法在跟蹤性能有明顯提升。(2)考慮到在傳統(tǒng)的基于相關(guān)濾波跟蹤框架中目標(biāo)響應(yīng)與每一幀的檢測(cè)步驟無(wú)關(guān),因此誤差將傳播到新計(jì)算的濾波器,使得跟蹤器變得具有不可恢復(fù)的漂移風(fēng)險(xiǎn)。基于此,本文對(duì)目標(biāo)響應(yīng)加上高斯先驗(yàn)的限制,通過(guò)計(jì)算響應(yīng)峰值的置信區(qū)間來(lái)判斷跟蹤結(jié)果是否可信,并在此基礎(chǔ)上融入了局部搜索策略對(duì)跟蹤結(jié)果進(jìn)行微調(diào),實(shí)現(xiàn)了更加精確的目標(biāo)跟蹤。在OTB數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明,提出的基于高斯先驗(yàn)約束的相關(guān)濾波跟蹤算法在精確度和魯棒性上都有一定的提升。(3)既然在基于相關(guān)濾波的跟蹤算法中學(xué)習(xí)一個(gè)更具判別能力的濾波器和對(duì)目標(biāo)響應(yīng)合理的建模都能夠?qū)Ω櫺Ч幸欢ǖ奶嵘?那么將兩者同時(shí)融入到基于相關(guān)濾波的框架中,會(huì)不會(huì)進(jìn)一步提升跟蹤效果。另外,通過(guò)將之前的單模板的推導(dǎo)擴(kuò)展到多模板的情況,提出了基于高斯先驗(yàn)及彈性網(wǎng)約束的多模板相關(guān)濾波跟蹤算法。在OTB數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果證明,和之前的兩個(gè)算法相比跟蹤的精度和魯棒性都有明顯提升。
【圖文】：

接于高斯先驗(yàn)及彈性Ｍ約g?的多模板相關(guān)濾波跟蹤算法研宄逡逑時(shí)會(huì)造成目標(biāo)的表觀模型變化以及特征信息的缺失，從而造成不準(zhǔn)確的目標(biāo)跟逡逑蹤。如圖１－３中（ｂ）所示，在３６幀時(shí)發(fā)生了劇烈的光照變化，對(duì)目標(biāo)信息的獲逡逑取造成了嚴(yán)重的影響。逡逑（３）

操作變成頻域中的相乘，實(shí)現(xiàn)了快速的目標(biāo)跟蹤。逡逑基于相關(guān)濾波器的跟蹤算法最重要的就是學(xué)習(xí)一個(gè)好的濾波模板，使得它和逡逑跟蹤的目標(biāo)進(jìn)行相關(guān)操作時(shí)可以得到最大的響應(yīng)值，如圖２－１所示：逡逑Ｈｉ逡逑濾波器邐趿蹤ｎc}邐響應(yīng)輸出逡逑圖２－１相關(guān)濾波原理示意圖逡逑Ｆｉｇ．２－１邋Ｓｃｈｅｍａｔｉｃ邋ｄｉａｇｒａｍ邋ｏｆ邋Ｃｏｒｒｅｌａｔｉｏｎ邋Ｆｉｌｔｅｒ．逡逑對(duì)應(yīng)的數(shù)學(xué)公式為：逡逑ｇ邋＝邋ｆ？ｈ邐（２－１）逡逑其中／表示輸入圖像，／；表示要學(xué)習(xí)的的濾波模板，ｇ表示響應(yīng)輸出，？表示卷逡逑積操作。根據(jù)卷積定理：時(shí)域的卷積相當(dāng)于頻域相乘，頻域卷積相當(dāng)于時(shí)域相乘，逡逑對(duì)式（２－１）進(jìn)行快速傅里葉變換，可以將時(shí)域中復(fù)雜的卷積操作轉(zhuǎn)化為頻域中簡(jiǎn)逡逑單的點(diǎn)積操作，即：逡逑＾邋＝邋／？邋／？＊邐（２－２）逡逑其中？表示點(diǎn)積，＊衣示復(fù)N<軛，，＆邋＞和＆分別對(duì)應(yīng)丁？傅Ｍ葉域中的變換結(jié)果。逡逑因此可以計(jì)算濾波模板：逡逑Ａ逡逑ｈ＇＝＾邐（２－３）逡逑／逡逑在實(shí)際應(yīng)用中為了提高模型的魯棒性，同時(shí)輸入個(gè)閣像，則ｎ標(biāo)函數(shù)為：逡逑■＞逡逑＞＂Ａ邐Ａ邐八－逡逑ｍｉｎ邋Ｚ／
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP391.41;TN713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王丹玲;魯永泉;賈笑捷;張勤;;實(shí)時(shí)粒子濾波跟蹤算法及其實(shí)現(xiàn)[J];系統(tǒng)仿真學(xué)報(bào);2009年18期

2 柏柯嘉;;一種改進(jìn)的粒子濾波跟蹤算法[J];計(jì)算機(jī)工程;2010年18期

3 吳奪明;蔣蓁;魏衍俠;;基于視覺(jué)顯著性的灰色粒子濾波跟蹤方法[J];計(jì)量與測(cè)試技術(shù);2017年02期

4 倫云飛;陳書(shū)楊;;基于多特征的粒子濾波跟蹤算法[J];計(jì)算機(jī)光盤(pán)軟件與應(yīng)用;2013年14期

5 陳善靜;楊華;曾凱;張紅;王一程;;基于遺傳算法的粒子濾波跟蹤算法[J];光電工程;2010年10期

6 張博;江沸菠;劉剛;劉紅平;;快速尺度支持相關(guān)濾波跟蹤[J];液晶與顯示;2019年06期

7 何希平;張瓊?cè)A;;綜合顏色與梯度方向特征的粒子濾波跟蹤[J];計(jì)算機(jī)科學(xué);2012年S1期

8 馬加慶;韓崇昭;;一類(lèi)基于信息融合的粒子濾波跟蹤算法[J];光電工程;2007年04期

9 孟祥瑞;;核相關(guān)濾波跟蹤方法研究[J];現(xiàn)代信息科技;2019年10期

10 黃鶴;張會(huì)生;許家棟;黃鶯;閆學(xué)斌;;一種改進(jìn)的α-β-γ濾波跟蹤算法[J];西北工業(yè)大學(xué)學(xué)報(bào);2008年02期

相關(guān)會(huì)議論文 前7條

1 高丙坤;李文超;王帥;;一種改進(jìn)的粒子濾波跟蹤算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

2 吳川;;基于DSP平臺(tái)的粒子濾波跟蹤算法的實(shí)現(xiàn)[A];第八屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

3 修春波;何慧堯;;基于顯著性直方圖的粒子濾波跟蹤[A];2015光學(xué)精密工程論壇論文集[C];2015年

4 金挺;周付根;白相志;;一種簡(jiǎn)單有效的特征融合粒子濾波跟蹤算法[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

5 劉元元;劉華平;高蒙;孫富春;孟麗霞;;GPU加速的在線(xiàn)K均值聚類(lèi)粒子濾波跟蹤算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

6 雷振達(dá);馬春草;;粒子濾波跟蹤算法研究[A];2014第二屆中國(guó)指揮控制大會(huì)論文集（上）[C];2014年

7 孫偉平;馮慶;向金海;余勝生;;基于局部模型的視頻目標(biāo)跟蹤[A];第八屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2012)論文集NCMT[C];2012年

相關(guān)博士學(xué)位論文 前6條

1 朱明清;基于粒子濾波的魯棒視覺(jué)目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2011年

2 鄒騰躍;復(fù)雜環(huán)境目標(biāo)檢測(cè)與跟蹤關(guān)鍵技術(shù)研究及應(yīng)用[D];華中科技大學(xué);2013年

3 曹蓓;粒子濾波改進(jìn)算法及其應(yīng)用研究[D];中國(guó)科學(xué)院研究生院(西安光學(xué)精密機(jī)械研究所);2012年

4 代江華;粒子濾波架構(gòu)下視覺(jué)目標(biāo)跟蹤相關(guān)技術(shù)研究[D];華中科技大學(xué);2014年

5 徐治非;視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D];上海交通大學(xué);2009年

6 相入喜;復(fù)雜環(huán)境下的目標(biāo)跟蹤算法研究[D];重慶大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 丁傳勇;基于高斯先驗(yàn)及彈性網(wǎng)約束的多模板相關(guān)濾波跟蹤算法研究[D];安徽大學(xué);2019年

2 吳昭童;基于相關(guān)濾波的目標(biāo)穩(wěn)定跟蹤技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院光電技術(shù)研究所);2019年

3 望少建;基于相關(guān)濾波的視覺(jué)目標(biāo)跟蹤[D];西安電子科技大學(xué);2018年

4 鄧雨;基于深度特征的相關(guān)濾波跟蹤研究[D];中南民族大學(xué);2018年

5 李明郎君;結(jié)合深度圖像表示的相關(guān)濾波跟蹤方法研究[D];西安電子科技大學(xué);2018年

6 馬曉楠;電視導(dǎo)引頭相關(guān)濾波跟蹤算法研究[D];南京理工大學(xué);2017年

7 倪杰;基于核相關(guān)濾波跟蹤算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2017年

8 施睿;融合上下文信息的相關(guān)濾波跟蹤算法研究[D];華南理工大學(xué);2017年

9 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學(xué);2014年

10 李恒暉;復(fù)雜背景動(dòng)態(tài)建模與粒子濾波跟蹤方法[D];中國(guó)民航大學(xué);2009年

本文編號(hào)：2702252