發(fā)布時(shí)間：2020-08-10 17:14

【摘要】：得益于相關(guān)濾波器和深度學(xué)習(xí)相關(guān)技術(shù)的發(fā)展,目標(biāo)追蹤算法近年來取得了極大的研究進(jìn)展,并已在諸多領(lǐng)域得以應(yīng)用。追蹤算法的主要挑戰(zhàn)包括目標(biāo)遮擋,尺度更改,光照變化以及運(yùn)動(dòng)模糊等多個(gè)方面,如何解決這些問題,仍是目前該領(lǐng)域的主要研究熱點(diǎn)。此外,由于追蹤任務(wù)的實(shí)時(shí)性要求,使得基于深度學(xué)習(xí)模型的目標(biāo)追蹤算法難以在移動(dòng)終端設(shè)備上部署應(yīng)用。針對(duì)以上問題,本文從算法模型改進(jìn)和應(yīng)用部署優(yōu)化兩個(gè)方面對(duì)單目標(biāo)追蹤算法進(jìn)行研究改進(jìn),致力于研究穩(wěn)定可靠且性能優(yōu)良的追蹤算法,此外,結(jié)合邊緣計(jì)算平臺(tái),從應(yīng)用部署優(yōu)化的角度,對(duì)目標(biāo)追蹤算法在移動(dòng)設(shè)備上的部署策略進(jìn)行研究,致力于提出合理可靠的部署方案。論文首先對(duì)追蹤任務(wù)的問題建模和求解方法進(jìn)行了介紹,從模型的角度對(duì)背景感知相關(guān)濾波器進(jìn)行了分析,提出一種時(shí)間正則背景感知相關(guān)濾波器。通過對(duì)濾波器模型添加時(shí)間正則項(xiàng),即對(duì)從連續(xù)視頻幀中學(xué)習(xí)到的模型添加平滑約束,提高算法對(duì)于遮擋變形和光照變化等問題的魯棒性。此外,添加運(yùn)動(dòng)模型,并對(duì)模型的更新方式進(jìn)行優(yōu)化改進(jìn)以減少算法的錯(cuò)誤更新。在OTB100數(shù)據(jù)集上進(jìn)行測(cè)試,實(shí)驗(yàn)結(jié)果表明,改進(jìn)后算法性能明顯提升,在該數(shù)據(jù)集的11種屬性測(cè)試中的10種占優(yōu)。除此之外,論文對(duì)移動(dòng)設(shè)備特點(diǎn)以及邊緣計(jì)算平臺(tái)的架構(gòu)進(jìn)行了分析,針對(duì)特定應(yīng)用場(chǎng)景,提出一種基于邊緣計(jì)算的目標(biāo)追蹤平臺(tái)。該平臺(tái)集成基于相關(guān)濾波器和基于深度學(xué)習(xí)的目標(biāo)追蹤算法,通過任務(wù)分割模塊將計(jì)算任務(wù)合理卸載至邊緣云并利用信息融合模塊對(duì)計(jì)算結(jié)果進(jìn)行分析融合,此外,添加運(yùn)動(dòng)檢測(cè)模塊以進(jìn)一步降低終端節(jié)點(diǎn)的計(jì)算壓力和功耗。最后,對(duì)不同部署策略進(jìn)行對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,相比計(jì)算任務(wù)本地計(jì)算,該部署策略明顯降低了任務(wù)響應(yīng)時(shí)間;相比完全卸載至邊緣云,該部署策略降低了相同計(jì)算任務(wù)的處理時(shí)間。
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TN713
【圖文】：

最后，討論面向邊緣計(jì)算的追蹤任務(wù)分割策略。此外，對(duì)后內(nèi)容及關(guān)聯(lián)性進(jìn)行介紹。三章首先對(duì)相關(guān)濾波器在目標(biāo)追蹤領(lǐng)域的應(yīng)用進(jìn)行介紹，具體闡器的定義，目標(biāo)追蹤問題的建模以及求解過程。其次，對(duì)背景感進(jìn)行分析改進(jìn)。通過添加時(shí)間正則項(xiàng)以提高算法性能，尤其對(duì)于形等情況下的算法魯棒性進(jìn)行提升。此外，添加運(yùn)動(dòng)模型，并對(duì)更新策略進(jìn)行改進(jìn)。最后通過實(shí)驗(yàn)對(duì)改進(jìn)策略進(jìn)行驗(yàn)證。四章，通過結(jié)合第三章部分研究結(jié)果，設(shè)計(jì)實(shí)現(xiàn)了一種基于邊緣計(jì)平臺(tái)，主要針對(duì)計(jì)算任務(wù)的分割卸載策略進(jìn)行研究，分析介紹了求和具體應(yīng)用場(chǎng)景，并詳述了該平臺(tái)各個(gè)模塊的設(shè)計(jì)實(shí)現(xiàn)。平臺(tái)塊 4.2.3 利用 3.4.2 節(jié)中更新策略動(dòng)態(tài)設(shè)定融合系數(shù)，運(yùn)動(dòng)檢測(cè)模.3 節(jié)中卡爾曼濾波器運(yùn)動(dòng)模型。通過將移動(dòng)終端節(jié)點(diǎn)計(jì)算任務(wù)部分以達(dá)到處理速度提升與能耗降低的綜合優(yōu)化。此外，集成基于相度學(xué)習(xí)技術(shù)的目標(biāo)追蹤算法，同時(shí)針對(duì)特定應(yīng)用場(chǎng)景對(duì)該平臺(tái)進(jìn)。

圖 2.1 面向移動(dòng)計(jì)算的層次邊緣云架構(gòu)[41]余資源的層次邊緣計(jì)算架構(gòu)中存在的冗余資源，包括計(jì)算、網(wǎng)絡(luò)以及存儲(chǔ)等資源出一種層次邊緣計(jì)算模型 HEC（Hierarchical Edge Co中冗余資源作為微型數(shù)據(jù)中心部署在網(wǎng)絡(luò)邊緣，即作為發(fā)區(qū)域內(nèi)的資源以滿足移動(dòng)終端延遲敏感類應(yīng)用的限邊緣被定義為網(wǎng)絡(luò)的出入口節(jié)點(diǎn)集合，并將網(wǎng)絡(luò)中的如硬件資源、軟件資源及處理功能等，通過軟件定義fined Network）以及網(wǎng)絡(luò)功能虛擬化（NFV, Netwn）等相關(guān)概念和技術(shù)進(jìn)行實(shí)現(xiàn)。

圖 2.1 面向移動(dòng)計(jì)算的層次邊緣云架構(gòu)[41]的層次邊緣計(jì)算架構(gòu)的冗余資源，包括計(jì)算、網(wǎng)絡(luò)以及存儲(chǔ)層次邊緣計(jì)算模型 HEC（Hierarchical E資源作為微型數(shù)據(jù)中心部署在網(wǎng)絡(luò)邊緣，內(nèi)的資源以滿足移動(dòng)終端延遲敏感類應(yīng)用定義為網(wǎng)絡(luò)的出入口節(jié)點(diǎn)集合，并將網(wǎng)絡(luò)資源、軟件資源及處理功能等，通過軟Network）以及網(wǎng)絡(luò)功能虛擬化（NFV關(guān)概念和技術(shù)進(jìn)行實(shí)現(xiàn)。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁靜;;基于回溯思想的多面體面追蹤算法[J];計(jì)算機(jī)仿真;2014年11期

2 張麗娟;李澤仁;;視頻追蹤算法研究[J];新媒體研究;2015年01期

3 楊希祥;楊濤;楊慧欣;張為華;;多個(gè)體系統(tǒng)編隊(duì)分布式控制的循環(huán)追蹤算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年02期

4 柴天峰;朱小龍;毛勇建;盧永剛;;面向飛行器平臺(tái)的圖像目標(biāo)追蹤算法[J];現(xiàn)代防御技術(shù);2017年03期

5 尚俊;;基于稀疏表示的目標(biāo)追蹤算法[J];湖北第二師范學(xué)院學(xué)報(bào);2014年08期

6 趙鼎;丁耀根;孫鵬;王進(jìn)華;;動(dòng)態(tài)追蹤算法在速調(diào)管輸出段計(jì)算中的應(yīng)用[J];物理學(xué)報(bào);2006年05期

7 解成俊;徐林;張鐵山;;利用基追蹤算法實(shí)現(xiàn)圖像壓縮感知重建研究[J];電子設(shè)計(jì)工程;2011年11期

8 劉相濱,向堅(jiān)持,謝林海;一種改進(jìn)的圍線追蹤算法[J];計(jì)算機(jī)工程與應(yīng)用;2005年29期

9 張彬彬;王福龍;;分塊快速壓縮追蹤算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2016年05期

10 楊希祥;楊濤;張為華;;基于循環(huán)追蹤算法的編隊(duì)航天器交會(huì)控制[J];國(guó)防科技大學(xué)學(xué)報(bào);2014年01期

相關(guān)會(huì)議論文 前4條

1 姜雪寧;劉良杰;;基于卡爾曼追蹤算法的交通標(biāo)志檢測(cè)方法研究[A];第十一屆全國(guó)信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2017年

2 岳慶興;賈永紅;邱振戈;;基于蒙特卡羅光線追蹤算法的TDI CCD相機(jī)成像模擬方法研究[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

3 楊士超;查顯杰;;利用子像素偏移追蹤算法監(jiān)測(cè)2014年于田地震同震形變場(chǎng)[A];2014年中國(guó)地球科學(xué)聯(lián)合學(xué)術(shù)年會(huì)——專題25：InSAR技術(shù)、衛(wèi)星熱紅外與地殼運(yùn)動(dòng)論文集[C];2014年

4 張晶晶;吳蕊珠;張偉康;馬慧姝;;基于深度學(xué)習(xí)的智能駕駛目標(biāo)追蹤算法綜述[A];中國(guó)計(jì)算機(jī)用戶協(xié)會(huì)網(wǎng)絡(luò)應(yīng)用分會(huì)2017年第二十一屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會(huì)論文集[C];2017年

相關(guān)博士學(xué)位論文 前1條

1 張翔;活細(xì)胞中運(yùn)動(dòng)囊泡的識(shí)別和追蹤算法及單分子熒光能量共振轉(zhuǎn)移技術(shù)方法的研究[D];華中科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 張憲琦;面向邊緣計(jì)算的目標(biāo)追蹤算法研究[D];哈爾濱工業(yè)大學(xué);2019年

2 何智群;基于卷積神經(jīng)網(wǎng)絡(luò)的端到端的高速追蹤算法研究[D];北京郵電大學(xué);2019年

3 李沁哲;基于深度學(xué)習(xí)檢測(cè)與核相關(guān)濾波器的特定目標(biāo)追蹤算法[D];北京郵電大學(xué);2019年

4 劉忠耿;基于核相關(guān)濾波器的目標(biāo)追蹤算法研究[D];南京理工大學(xué);2018年

5 孟冬偉;基于三分支神經(jīng)網(wǎng)絡(luò)的單目標(biāo)追蹤算法研究[D];哈爾濱工業(yè)大學(xué);2018年

6 張峰境;多點(diǎn)追蹤算法的設(shè)計(jì)與FPGA實(shí)現(xiàn)[D];湘潭大學(xué);2018年

7 賀瀟;基于深度學(xué)習(xí)檢測(cè)與核相關(guān)濾波器的追蹤算法[D];北京郵電大學(xué);2018年

8 方露;視頻中運(yùn)動(dòng)目標(biāo)檢測(cè)與追蹤算法研究[D];安徽工程大學(xué);2017年

9 陳帥;Metropolis光線追蹤算法的研究與改進(jìn)[D];中國(guó)民航大學(xué);2017年

10 柴天峰;面向飛行器平臺(tái)的圖像目標(biāo)追蹤算法研究[D];中國(guó)工程物理研究院;2017年

本文編號(hào)：2788384