【摘要】：視覺目標(biāo)跟蹤技術(shù)因其廣泛的應(yīng)用場景和基礎(chǔ)性的研究意義而成為計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn),同時(shí)又因?yàn)樵撘曈X感知任務(wù)中目標(biāo)對象的任意性和視頻場景的復(fù)雜性,目標(biāo)跟蹤研究富有挑戰(zhàn)性。相關(guān)濾波跟蹤算法兼具速度與性能雙優(yōu)點(diǎn),是視覺跟蹤領(lǐng)域的重要研究方向。本文主要研究現(xiàn)有相關(guān)濾波跟蹤算法存在的一些缺點(diǎn)和未解決的難題。相關(guān)濾波跟蹤建立于樣本循環(huán)周期性的假設(shè)之上,其在線學(xué)習(xí)模型存在著一個(gè)被稱為邊緣效應(yīng)的嚴(yán)重缺陷:訓(xùn)練樣本和測試樣本均通過對基礎(chǔ)樣本的逐步循環(huán)偏移而產(chǎn)生,該采樣方式導(dǎo)致較高比例的樣本發(fā)生了嚴(yán)重的扭曲失真,進(jìn)而約束了模型的學(xué)習(xí)和預(yù)測能力。在模型訓(xùn)練階段,失真樣本影響到模型對真實(shí)視頻內(nèi)容的感知;在模型推理階段,扭曲失真的邊緣樣本的檢測分?jǐn)?shù)并不可靠,無法反映邊緣區(qū)的目標(biāo)置信分布。本文主要的研究內(nèi)容和貢獻(xiàn)分三個(gè)方面:第一,深入剖析相關(guān)濾波跟蹤的邊緣效應(yīng)并指其衍生的兩個(gè)重要問題。第一個(gè)問題是被嚴(yán)重約束的模型感知范圍和目標(biāo)搜索范圍,這導(dǎo)致算法在快速運(yùn)動(dòng)、相機(jī)晃動(dòng)等多種場景下的跟蹤結(jié)果不理想;此外,當(dāng)由于不可控因素而暫時(shí)跟蹤失敗時(shí),過小的搜索窗使得模型難以再次檢索回目標(biāo),進(jìn)而演變?yōu)闊o法恢復(fù)的跟蹤失敗。第二個(gè)問題是,循環(huán)偏移采樣加劇了訓(xùn)練樣本和測試樣本之間數(shù)據(jù)分布非對齊性。在測試樣本和訓(xùn)練樣本遠(yuǎn)不能滿足近似獨(dú)立同分布情況下,我們難以建立高質(zhì)量的跟蹤模型。第二,分別提出多錨點(diǎn)檢測策略和干擾物感知濾波器來拓展搜索區(qū)和感知區(qū)。本文利用像素級特征的貝葉斯決策模型或離線訓(xùn)練的孿生網(wǎng)絡(luò),高效地發(fā)掘上下文內(nèi)的目標(biāo)類似物,并提取多組循環(huán)偏移樣本組。在檢測過程中,樣本組用于多錨點(diǎn)檢測以實(shí)現(xiàn)大范圍的目標(biāo)搜索。在模型更新階段,樣本組用于干擾物感知學(xué)習(xí)。通過訓(xùn)練集的拓展和優(yōu)化,濾波器增強(qiáng)了背景感知能力并有針對性地抑制干擾物的濾波響應(yīng),從而減少在多錨點(diǎn)檢測時(shí)模型預(yù)測漂移至目標(biāo)干擾區(qū)的風(fēng)險(xiǎn)。第三,在拓展模型感知范圍和搜索范圍的基礎(chǔ)上,本文通過“候選區(qū)集-初步定位-精確回歸”的漸進(jìn)式目標(biāo)搜索策略,構(gòu)建一種新的跟蹤框架(DAMA)。DAMA在大范圍搜索空間內(nèi)獲取候選區(qū)集并進(jìn)行干擾物感知的濾波檢測,最后使用位置回歸器精確定位。漸進(jìn)式目標(biāo)搜索策略能夠逐步對齊測試樣本和訓(xùn)練樣本之間的數(shù)據(jù)分布,從而減輕了邊緣效應(yīng)的影響。此外,DAMA框架下的位置精調(diào)器還能減少誤差累積和防止模型漂移。本文在OTB2013、OTB2015、TC128和VOT2017共四個(gè)數(shù)據(jù)集上對DAMA進(jìn)行了綜合測評。實(shí)驗(yàn)結(jié)果表明,第一,DAMA總體跟蹤能力達(dá)到與前沿深度學(xué)習(xí)跟蹤算法一致的水平,同時(shí)還能保持實(shí)時(shí)的跟蹤速度;第二,DAMA面對快速運(yùn)動(dòng)、相機(jī)晃動(dòng)、嚴(yán)重遮擋和目標(biāo)離開視野等多種挑戰(zhàn)性因素時(shí)具有較優(yōu)的魯棒性。
【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

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張紅穎;王匯三;胡文博;;基于雙模型的相關(guān)濾波跟蹤[J];光學(xué)精密工程;2019年11期

2 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

3 王譯萱;吳小俊;;基于深度特征與局部約束掩膜的相關(guān)濾波跟蹤算法[J];數(shù)據(jù)采集與處理;2019年05期

4 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

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

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

7 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

8 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

9 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

10 馬加慶;韓崇昭;;一類基于信息融合的粒子濾波跟蹤算法[J];光電工程;2007年04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;;一種簡單有效的特征融合粒子濾波跟蹤算法[A];2007年光電探測與制導(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K均值聚類粒子濾波跟蹤算法[A];2011年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊）[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目標(biāo)跟蹤算法研究[D];中國科學(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 潘耿政;結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的相關(guān)濾波跟蹤算法研究[D];華南理工大學(xué);2019年

2 陳國春;背景感知的相關(guān)濾波跟蹤算法研究[D];華南理工大學(xué);2019年

3 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

4 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];中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所);2019年

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

6 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

7 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

8 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

9 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

10 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

本文編號：2752332