【摘要】：視覺目標跟蹤技術因其廣泛的應用場景和基礎性的研究意義而成為計算機視覺領域的研究熱點,同時又因為該視覺感知任務中目標對象的任意性和視頻場景的復雜性,目標跟蹤研究富有挑戰(zhàn)性。相關濾波跟蹤算法兼具速度與性能雙優(yōu)點,是視覺跟蹤領域的重要研究方向。本文主要研究現(xiàn)有相關濾波跟蹤算法存在的一些缺點和未解決的難題。相關濾波跟蹤建立于樣本循環(huán)周期性的假設之上,其在線學習模型存在著一個被稱為邊緣效應的嚴重缺陷:訓練樣本和測試樣本均通過對基礎樣本的逐步循環(huán)偏移而產(chǎn)生,該采樣方式導致較高比例的樣本發(fā)生了嚴重的扭曲失真,進而約束了模型的學習和預測能力。在模型訓練階段,失真樣本影響到模型對真實視頻內(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數(shù)并不可靠,無法反映邊緣區(qū)的目標置信分布。本文主要的研究內(nèi)容和貢獻分三個方面:第一,深入剖析相關濾波跟蹤的邊緣效應并指其衍生的兩個重要問題。第一個問題是被嚴重約束的模型感知范圍和目標搜索范圍,這導致算法在快速運動、相機晃動等多種場景下的跟蹤結果不理想;此外,當由于不可控因素而暫時跟蹤失敗時,過小的搜索窗使得模型難以再次檢索回目標,進而演變?yōu)闊o法恢復的跟蹤失敗。第二個問題是,循環(huán)偏移采樣加劇了訓練樣本和測試樣本之間數(shù)據(jù)分布非對齊性。在測試樣本和訓練樣本遠不能滿足近似獨立同分布情況下,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練的孿生網(wǎng)絡,高效地發(fā)掘上下文內(nèi)的目標類似物,并提取多組循環(huán)偏移樣本組。在檢測過程中,樣本組用于多錨點檢測以實現(xiàn)大范圍的目標搜索。在模型更新階段,樣本組用于干擾物感知學習。通過訓練集的拓展和優(yōu)化,濾波器增強了背景感知能力并有針對性地抑制干擾物的濾波響應,從而減少在多錨點檢測時模型預測漂移至目標干擾區(qū)的風險。第三,在拓展模型感知范圍和搜索范圍的基礎上,本文通過“候選區(qū)集-初步定位-精確回歸”的漸進式目標搜索策略,構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。漸進式目標搜索策略能夠逐步對齊測試樣本和訓練樣本之間的數(shù)據(jù)分布,從而減輕了邊緣效應的影響。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共四個數(shù)據(jù)集上對DAMA進行了綜合測評。實驗結果表明,第一,DAMA總體跟蹤能力達到與前沿深度學習跟蹤算法一致的水平,同時還能保持實時的跟蹤速度;第二,DAMA面對快速運動、相機晃動、嚴重遮擋和目標離開視野等多種挑戰(zhàn)性因素時具有較優(yōu)的魯棒性。
【學位授予單位】：華南理工大學
【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;;基于雙模型的相關濾波跟蹤[J];光學精密工程;2019年11期

2 王丹玲;魯永泉;賈笑捷;張勤;;實時粒子濾波跟蹤算法及其實現(xiàn)[J];系統(tǒng)仿真學報;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;;一種改進的粒子濾波跟蹤算法[J];計算機工程;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];計量與測試技術;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];計算機光盤軟件與應用;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;;快速尺度支持相關濾波跟蹤[J];液晶與顯示;2019年06期

9 何希平;張瓊華;;綜合顏色與梯度方向特征的粒子濾波跟蹤[J];計算機科學;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

相關會議論文 前7條

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

2 吳川;;基于DSP平臺的粒子濾波跟蹤算法的實現(xiàn)[A];第八屆全國信息獲取與處理學術會議論文集[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年光電探測與制導技術的發(fā)展與應用研討會論文集[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年中國智能自動化學術會議論文集（第一分冊）[C];2011年

6 雷振達;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跟蹤[A];第八屆和諧人機環(huán)境聯(lián)合學術會議（HHME2012)論文集NCMT[C];2012年

相關博士學位論文 前6條

1 朱明清;基于粒子濾波的魯棒視覺目標跟蹤算法研究[D];中國科學技術大學;2011年

2 鄒騰躍;復雜環(huán)境目標檢測與跟蹤關鍵技術研究及應用[D];華中科技大學;2013年

3 曹蓓;粒子濾波改進算法及其應用研究[D];中國科學院研究生院(西安光學精密機械研究所);2012年

4 代江華;粒子濾波架構下視覺目標跟蹤相關技術研究[D];華中科技大學;2014年

5 徐治非;視頻監(jiān)控中運動目標檢測與跟蹤方法研究[D];上海交通大學;2009年

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

相關碩士學位論文 前10條

1 潘耿政;結合卷積神經(jīng)網(wǎng)絡的相關濾波跟蹤算法研究[D];華南理工大學;2019年

2 陳國春;背景感知的相關濾波跟蹤算法研究[D];華南理工大學;2019年

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

4 吳昭童;基于相關濾波的目標穩(wěn)定跟蹤技術研究[D];中國科學院大學(中國科學院光電技術研究所);2019年

5 望少建;基于相關濾波的視覺目標跟蹤[D];西安電子科技大學;2018年

6 鄧雨;基于深度特征的相關濾波跟蹤研究[D];中南民族大學;2018年

7 李明郎君;結合深度圖像表示的相關濾波跟蹤方法研究[D];西安電子科技大學;2018年

8 馬曉楠;電視導引頭相關濾波跟蹤算法研究[D];南京理工大學;2017年

9 倪杰;基于核相關濾波跟蹤算法的研究與實現(xiàn)[D];電子科技大學;2017年

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

本文編號：2752332