【摘要】：視覺單目標跟蹤是計算機視覺的研究熱點之一,在人機交互、智能監(jiān)控、自動駕駛、智慧城市等許多領域具有十分廣泛的應用。但目前仍然不存在一種跟蹤算法能夠同時適用于有遮擋、旋轉(zhuǎn)、光照變化等多種挑戰(zhàn)因素并存的復雜場景。因此,繼續(xù)對該領域進行研究具有很重要的現(xiàn)實價值。近年來,相關(guān)濾波器的思想在視覺跟蹤領域得到應用,其效率高、效果佳的優(yōu)勢獲得目標跟蹤領域的關(guān)注。本文立足于相關(guān)濾波器跟蹤算法,以其中的判別式尺度空間跟蹤器(Discriminative Scale Space Tracker,DSST)為基準跟蹤器,從特征表示、模型建立、更新策略等方面對DSST算法進行了改進。本文主要研究內(nèi)容如下:(1)在特征表示方面,針對DSST算法使用單一特征而表征目標能力不足的局限性,融合多種手工特征作為補充,以便更充分的表征目標,同時利用自學習PCA算法對融合后的多種特征進行降維,以去除冗余并保留特征的有效信息,進一步提升算法效率。然后,為了更好的利用多通道特征中每一通道的表示能力,對得到的多個響應通道進行自適應加權(quán)。最后,算法融入卷積特征,并通過實驗驗證其性能提升4.4%。(2)在模型建立方面,針對相關(guān)濾波器算法樣本不足且存在邊界效應的缺陷,利用上下文信息增加真實樣本的數(shù)量,抑制濾波器對背景區(qū)域的響應,減少邊界效應對算法的影響,提高算法的魯棒性。同時,為了增強濾波器的判別能力,為相關(guān)濾波器算法模型施加子空間約束,該約束實質(zhì)上作用于當前濾波器,利用歷史濾波器與當前濾波器之間的距離度量,為每個濾波器施加自適應的權(quán)重,通過對這些濾波器的加權(quán)求和,對當前濾波器形成約束,從而使成功率提升3.3%。(3)對相關(guān)濾波器跟蹤算法而言,模板的可靠性至關(guān)重要,不可靠模型參與更新,會使跟蹤效率下降,并可能導致跟蹤失敗。因此,針對模型更新模塊,分別對最小平均峰值相關(guān)能量與最小加權(quán)間隔的思想進行研究改進,提出兩種模型更新策略,能夠自適應的選擇高置信的模板幀進行更新,使跟蹤器摒棄受到污染的模型,保證了所利用濾波器的質(zhì)量,使算法成功率分別提升2%和1.1%,且跟蹤效率大幅提升。綜上所述,本文從三個研究點出發(fā),對DSST算法及其后續(xù)fast DSST(fDSST)算法進行改進,共提出兩種改進的跟蹤算法,分別為基于加權(quán)融合與自適應更新的實時相關(guān)濾波器跟蹤算法和基于上下文融合與子空間約束的實時相關(guān)濾波器跟蹤算法。經(jīng)過大量的分析、比對與驗證,充分證明了本文改進算法的有效性與優(yōu)越性。
【學位授予單位】：西北農(nóng)林科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TN713

【相似文獻】

相關(guān)期刊論文 前10條

1 石武禎;寧紀鋒;顏永豐;;壓縮感知跟蹤中的特征選擇與目標模型更新[J];中國圖象圖形學報;2014年06期

2 劉亞娟;莊肖波;;基于選擇性模型更新與卡爾曼濾波的目標模型更新算法[J];科學技術(shù)與工程;2012年34期

3 黃安奇;侯志強;余旺盛;劉翔;;利用背景加權(quán)和選擇性子模型更新的視覺跟蹤算法[J];中國圖象圖形學報;2014年09期

4 黑石頭;;邪神的爪牙——戰(zhàn)錘混沌戰(zhàn)士[J];模型世界;2008年12期

5 黎明;計春雷;;基于支持向量機的彩色序列圖像復原模型更新算法[J];上海電機學院學報;2009年04期

6 楊惠蘭;謝毅;趙雪汝;張維;何先友;;事件持續(xù)時間對情景模型更新的影響[J];心理科學;2016年02期

7 鐘懷兵;熊偉麗;徐保國;;一種帶模型更新的GPR在線軟測量方法[J];控制工程;2018年02期

8 沈志熙;楊欣;黃席樾;;均值漂移算法中的目標模型更新方法研究[J];自動化學報;2009年05期

9 張亞X;高學金;曹彩霞;李亞芬;王普;;一種帶有模型更新機制的JITL-MPLS故障監(jiān)測方法[J];計算機與應用化學;2018年06期

10 王英杰;焦彬洋;姚忠達;時瑾;;基于實測數(shù)據(jù)的車軌耦合模型更新方法[J];振動.測試與診斷;2018年02期

相關(guān)會議論文 前3條

1 謝毅;王靖;何先友;;文本閱讀中時間轉(zhuǎn)換的加工和監(jiān)測[A];第十五屆全國心理學學術(shù)會議論文摘要集[C];2012年

2 李波;袁保宗;;LMSF Mean Shift目標跟蹤算法[A];第十二屆全國信號處理學術(shù)年會（CCSP-2005）論文集[C];2005年

3 韓正之;;HAC合成過程的建模[A];1997年中國控制會議論文集[C];1997年

相關(guān)博士學位論文 前7條

1 楊格;基于控制點和本構(gòu)模型更新的混合試驗方法及平臺實現(xiàn)[D];哈爾濱工業(yè)大學;2018年

2 李遠征;人體目標跟蹤和表情識別中的若干問題研究[D];西安電子科技大學;2013年

3 郭甲騰;地礦三維集成建模與空間分析方法及其應用[D];東北大學;2013年

4 陳永盛;基于截面屈服面模型更新的框架結(jié)構(gòu)混合試驗方法[D];哈爾濱工業(yè)大學;2015年

5 蔣良衛(wèi);圖像序列中目標跟蹤技術(shù)研究[D];華中科技大學;2013年

6 王濤;基于模型更新的土木結(jié)構(gòu)混合試驗方法[D];哈爾濱工業(yè)大學;2014年

7 伍博;基于顯著性的視覺目標跟蹤研究[D];電子科技大學;2017年

相關(guān)碩士學位論文 前10條

1 徐嘉宏;基于判別式尺度空間相關(guān)濾波器的視覺跟蹤方法研究[D];西北農(nóng)林科技大學;2019年

2 黃江雷;基于目標表征學習和更新建模的視頻跟蹤技術(shù)研究[D];中國科學技術(shù)大學;2019年

3 陳令奕;近紅外模型更新方法及在食品檢測中的應用[D];江南大學;2018年

4 楊治國;視頻監(jiān)控中行人檢測與跟蹤的算法研究[D];湖南大學;2015年

5 郭東生;農(nóng)產(chǎn)品品質(zhì)檢測模型更新方法研究[D];江南大學;2018年

6 劉陽;基于多模型框架的跟蹤算法研究[D];華中科技大學;2017年

7 劉桐;針對樣本選擇和模型控制的跟蹤算法研究[D];天津大學;2017年

8 李永s，

本文編號：2704699