發(fā)布時間：2020-06-13 18:38

【摘要】：在城市化高速發(fā)展的今天,智慧交通和智慧城市的建設(shè)對現(xiàn)代都市的發(fā)展具有非常積極的作用。作為建設(shè)智慧交通和智慧城市的一項關(guān)鍵技術(shù),視頻目標(biāo)跟蹤,在智能監(jiān)控視頻分析中發(fā)揮著重要作用。因此,研究視頻目標(biāo)跟蹤技術(shù)不僅有助于在海量視頻數(shù)據(jù)中能夠更快更準(zhǔn)確地分析監(jiān)控視頻,促進(jìn)智能監(jiān)控視頻分析的發(fā)展,還能夠推進(jìn)智慧交通和智慧城市的建設(shè)。視頻目標(biāo)跟蹤技術(shù)的主要任務(wù)是,給定一段圖像序列或者輸入視頻,以及初始幀需要跟蹤的目標(biāo)的狀態(tài),估計后續(xù)幀目標(biāo)的位置和尺度。其過程一般包括,首先根據(jù)上一幀的狀態(tài)提取目標(biāo)的特征去構(gòu)造目標(biāo)的表達(dá)模型,并將其運(yùn)用在當(dāng)前幀中,然后采用不同的方法和策略估計出目標(biāo)的位置和尺度,最后更新目標(biāo)的模型。近年來,得益于深度學(xué)習(xí)以及相關(guān)濾波的發(fā)展,出現(xiàn)了很多優(yōu)秀的目標(biāo)跟蹤算法,推動了目標(biāo)跟蹤技術(shù)的飛速發(fā)展。而影響它們性能的是跟蹤過程中出現(xiàn)的各類挑戰(zhàn),如光照變化、背景嘈雜、惡劣天氣、背景遮擋等。針對以上挑戰(zhàn),本文分別從單模態(tài)和多模態(tài)兩個角度,開展了跟蹤算法的相關(guān)研究,主要的工作包括以下兩個方面:(1)針對特征的噪聲和冗余對目標(biāo)跟蹤的影響,本文提出了一種基于稀疏編碼驅(qū)動模型相關(guān)濾波目標(biāo)跟蹤算法。具體來說,根據(jù)干凈的初始幀的目標(biāo)特征構(gòu)造字典,然后運(yùn)用稀疏編碼技術(shù),將后續(xù)幀提取的特征編碼成更具有判別力的重構(gòu)特征。然而,相比于原始特征,在第一幀構(gòu)建的字典上學(xué)習(xí)的重構(gòu)特征可能無法完全表示后續(xù)幀連續(xù)變化的目標(biāo),據(jù)此,本文采用原始特征和重構(gòu)特征聯(lián)合學(xué)習(xí)相關(guān)濾波器。得益于聯(lián)合學(xué)習(xí)的優(yōu)勢,我們在一個統(tǒng)一框架中聯(lián)合學(xué)習(xí)相關(guān)濾波和稀疏編碼。最后在三個公眾數(shù)據(jù)集上進(jìn)行實驗對比分析,驗證了所提算法的有效性以及魯棒性。(2)針對光照變化和惡劣天氣對目標(biāo)跟蹤的影響,本文提出了一種基于協(xié)同低秩模型的跨模態(tài)相關(guān)濾波跟蹤算法。具體而言,紅外攝像儀可以捕捉到溫度超過絕對零度的物體發(fā)出的紅外線輻射,故此,在一些惡劣環(huán)境下,將可見光和熱紅外兩種數(shù)據(jù)進(jìn)行融合,可以實現(xiàn)信息互補(bǔ),增加跟蹤的準(zhǔn)確性。進(jìn)一步,通過實驗發(fā)現(xiàn)不同模態(tài)的數(shù)據(jù)能夠產(chǎn)生相似的相關(guān)濾波,使得它們在定位目標(biāo)上達(dá)到一致性。因此,考慮到兩個模態(tài)之間的相互依賴的關(guān)系,本文采用低秩約束來聯(lián)合學(xué)習(xí)相關(guān)濾波,以促進(jìn)兩個模態(tài)信息有效融合,進(jìn)而提升跟蹤的性能。
【圖文】：

支持向量機(jī)，都使得目標(biāo)跟蹤不斷邁上新的臺階。決策樹分類，貝葉斯分類逡逑以及各種聚類方法，也為ｎ標(biāo)跟蹤的發(fā)展提供新的思路。當(dāng)前基于傳統(tǒng)機(jī)器學(xué)習(xí)逡逑的視頻目標(biāo)跟蹤方法的基本流程如圖２．１所示。逡逑＜邐＾邋ｒ邐ｎ邋／＊邐＼逡逑圖像序列0目標(biāo)特征模型目標(biāo)定位策略Ｉ！〉跟蹤結(jié)果逡逑Ｖ邐＾邋Ｖ邐ｒ＿Ｉ邐Ｊ邋Ｖ邐Ｊ逡逑１邋ｆ—ｎ７Ｔ逡逑Ｖ—模型更新逡逑＼邐Ｊ逡逑圖２．１：視覺目標(biāo)跟蹤基本流程逡逑Ｆｉｇｕｒｅ邋２．１：邋Ｔｈｅ邋ｆｉ邋ａｍｅｗｏｒｋ邋ｏｆ邋ｖｉｓｕａｌ邋ｏｂｊｅｃｔ邋ｔｒａｃｋｉｎｇ逡逑一、基于稀疏表示的跟蹤方法逡逑５逡逑

Ｆｉｇｕｒｅ邋３．１：邋Ｐｒｅｃｉｓｉｏｎ邋ｐｌｏｔｓ邋ａｎｄ邋ｓｕｃｃｅｓｓ邋ｐｌｏｔｓ邋ｏｆ邋ｔｈｅ邋ｐｒｏｐｏｓｅｄ邋ｔｒａｃｋｅｒ邋ａｇａｉｎｓｔ邋ｏｔｈｅｒ邋ｓｔａｔｅ－ｏｆ－ｔｈｅ－ａｉｌ逡逑ｔｒａｃｋｅｒｓ邋ｏｎ邋ｔｈｅ邋ＯＴＢ５０邋ｄａｔａｓｅｔ逡逑圖３．邋１展示了本章所提方法和其他１１種方法在數(shù)據(jù)集ＯＴＢ５０上的對比結(jié)逡逑果，分析結(jié)果如下。如圖，Ｏｕｒｓ－ＨＣＦ和Ｏｕｒｓ－ＤＣＦ在ＰＲ上分別排在第二和第九，，逡逑在ＳＲ上分別排在第三和第ｉ＇？一。相比于我們的Ｂａｓｅｌｉｎｅ方法ＨＣＦ和ＤＣＦ，逡逑Ｏｕｒｓ－ＨＣＦ邋和邋Ｏｕｒｓ－ＤＣＦ邋分別在邋ＰＲ／ＳＲ邋上提升了邋２．４％／］邋．８。／。和邋４．６％／２．４。／0。另外，逡逑Ｏｕｒｓ－ＨＣＦ也勝過了當(dāng)前先進(jìn)的坫十深度的跟蹤方法ＰＴＡＶ，邋ＣＳＲＩＸ＇Ｆ’逡逑ＣＮＮ－ＳＶＭ，基于相關(guān)濾波的方法ＳＲＤＣＦ，邋ＤＳＳＴ，邋ＤＣＦ，邋ＫＣＦ，以及z1ｆ結(jié)構(gòu)逡逑化支持向量機(jī)的跟蹤方法ＭＥＥＭ
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TN713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁玲;;基于稀疏編碼的異常檢測[J];現(xiàn)代計算機(jī)(專業(yè)版);2019年01期

2 陳亞楠;王士林;賴駿堯;;基于時空稀疏編碼的動態(tài)人臉識別[J];通信技術(shù);2017年03期

3 沈輝;袁曉彤;劉青山;;基于預(yù)測稀疏編碼的快速單幅圖像超分辨率重建[J];計算機(jī)應(yīng)用;2015年06期

4 歐陽琰;桑農(nóng);黃銳;;基于魯棒稀疏編碼的表情識別方法[J];武漢理工大學(xué)學(xué)報(信息與管理工程版);2013年03期

5 錢曉亮;郭雷;韓軍偉;程Xh;姚西文;;一種基于加權(quán)稀疏編碼的頻域視覺顯著性檢測算法[J];電子學(xué)報;2013年06期

6 盧清;趙治棟;;基于稀疏編碼閾值的平移不變法心電信號去噪[J];杭州電子科技大學(xué)學(xué)報;2011年04期

7 晁永國;;一種改進(jìn)的非負(fù)稀疏編碼圖像編碼方案[J];計算機(jī)工程與科學(xué);2010年10期

8 王天正;蘆竹茂;楊罡;馬琴;張興忠;;基于改進(jìn)稀疏編碼的粒子濾波算法[J];計算機(jī)工程與設(shè)計;2017年12期

9 王憲保;章國瓊;姚明海;;稀疏編碼改進(jìn)方法及其在缺陷檢測中的應(yīng)用研究[J];小型微型計算機(jī)系統(tǒng);2017年01期

10 王鵬飛;王新晴;朱會杰;李艷峰;張梅軍;;液壓泵故障診斷稀疏編碼方法研究[J];北京理工大學(xué)學(xué)報;2017年05期

相關(guān)會議論文 前9條

1 尚麗;;使用正態(tài)可逆高斯密度模型的非負(fù)稀疏編碼收縮技術(shù)實現(xiàn)圖像消噪[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

2 徐自翔;王緒隆;張仲寧;楊京;程建春;;基于頻域信號稀疏編碼的按鍵音分類方法[A];2018年全國聲學(xué)大會論文集 J通信聲學(xué)與音頻信號處理(含聲頻工程)[C];2018年

3 余林佳;劉陽;;基于稀疏編碼的衛(wèi)星遙感圖像目標(biāo)檢測方法[A];第四屆高分辨率對地觀測學(xué)術(shù)年會論文集[C];2017年

4 仝明磊;韓紅;;隨機(jī)字典的粒子濾波視頻跟蹤[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【oral】[C];2011年

5 劉婷;田心;;海馬區(qū)神經(jīng)元集群放電自組織競爭網(wǎng)絡(luò)稀疏編碼的仿真研究[A];第十次中國生物物理學(xué)術(shù)大會論文摘要集[C];2006年

6 錢樂樂;高雋;徐小紅;;非負(fù)性約束的圖像稀疏編碼[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

7 臧淼;徐惠民;張永梅;;基于局部約束和稀疏編碼的自動圖像標(biāo)注[A];國防光電子論壇第二屆激光雷達(dá)成像探測技術(shù)及應(yīng)用研討會論文集[C];2015年

8 劉揚(yáng);程健;盧漢清;;基于目標(biāo)局部特征的遷移式學(xué)習(xí)[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

9 鄒琪;羅四維;;模擬視覺系統(tǒng)的稀疏編碼神經(jīng)網(wǎng)絡(luò)模型[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

相關(guān)博士學(xué)位論文 前10條

1 趙志強(qiáng);基于局部稀疏編碼的視覺目標(biāo)跟蹤研究[D];華中科技大學(xué);2018年

2 王瑞霞;基于稀疏編碼的圖像檢索技術(shù)及其應(yīng)用研究[D];西北工業(yè)大學(xué);2016年

3 韋簫華;面向移動終端的手寫中文地址識別研究[D];華東師范大學(xué);2018年

4 黃艷;圖像處理和識別中的結(jié)構(gòu)化稀疏編碼關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2018年

5 李清勇;視覺感知的稀疏編碼理論及其應(yīng)用研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2006年

6 嚴(yán)春滿;圖像稀疏編碼算法及應(yīng)用研究[D];西安電子科技大學(xué);2012年

7 孫俊;人臉圖像分析和識別方法研究[D];清華大學(xué);2001年

8 王婧;面向在線環(huán)境的數(shù)據(jù)編碼問題研究[D];合肥工業(yè)大學(xué);2015年

9 唐海峰;基于信號稀疏表征的故障診斷方法研究[D];上海交通大學(xué);2014年

10 王曉東;基于稀疏特征學(xué)習(xí)的復(fù)雜圖像分類[D];西安電子科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 邵朋朋;基于相關(guān)濾波的視覺目標(biāo)跟蹤研究[D];安徽大學(xué);2019年

2 柯詩棟;基于稀疏編碼的圖像顯著性檢測研究[D];武漢大學(xué);2017年

3 趙莎莎;基于遷移學(xué)習(xí)的視覺行人檢測方法研究[D];哈爾濱理工大學(xué);2019年

4 周振;基于稀疏編碼空間金字塔匹配的低照度列車故障圖像增強(qiáng)與識別方法研究[D];湖北工業(yè)大學(xué);2019年

5 李華新;基于稀疏編碼的滾動軸承故障預(yù)測方法研究[D];桂林電子科技大學(xué);2018年

6 張家佳;基于稀疏編碼的心電信號分類研究[D];吉林大學(xué);2018年

7 陳小平;基于稀疏編碼視頻目標(biāo)跟蹤算法研究[D];江南大學(xué);2018年

8 尹紫薇;復(fù)雜環(huán)境下基于顯著性的人臉識別方法研究[D];華北電力大學(xué);2018年

9 劉欣然;基于稀疏編碼和長度后驗概率的視頻動作檢測[D];南京理工大學(xué);2018年

10 杜建;基于注意機(jī)制的視覺自主發(fā)育模型研究[D];華北理工大學(xué);2018年

本文編號：2711578