目標跟蹤一直是計算機視覺領域的研究熱點之一,其主要任務就是對一個選定的目標進行實時的位置確定。由于跟蹤過程中目標可能受到各種干擾,例如形狀改變、外物遮擋、運動模糊、尺度變化、復雜背景等,所以要求跟蹤算法能夠實時處理目標出現(xiàn)的各種情況。近幾年,目標跟蹤領域出現(xiàn)了很多優(yōu)秀的方法,但依然無法同步處理以上各種挑戰(zhàn)。本文針對現(xiàn)有跟蹤算法及跟蹤平臺的不足之處,開展了以下研究工作:(1)針對傳統(tǒng)相關濾波方法模型判別能力有限的問題,本文建立了一種自適應多相關濾波器的模型。該模型在利用相關濾波方法高速計算能力的基礎上,自適應地生成多個濾波器模塊,并利用聚類的方法來有選擇性地更新每一個濾波器,使不同類型的訓練數據只更新與其對應的濾波模塊。跟蹤過程中,每個濾波器分別對輸入的候選框進行計算,并綜合所有濾波器的結果來預測目標的位置。模型中的每一個濾波器都能對某一特定類型的目標具有很高的敏感度和判別能力,從而整個算法模型的魯棒性都得到了提升。(2)針對快速運動目標的場景,本文提出了一個基于手工特征的自適應多相關濾波跟蹤算法。該算法利用手工特征的快速計算特性,將其與自適應多相關濾波模型相結合,得到了一個能夠處理快速運動目標的視覺跟蹤算法。算法在測試數據集上實現(xiàn)了65幀/秒的跟蹤速度,目標中心位置定位準確率達到了0.735。(3)針對復雜情況目標的場景,本文提出了一個基于深度卷積特征的自適應多相關濾波跟蹤算法。該算法利用深度學習網絡得到的語義信息豐富的深度卷積特征,并將其輸入到自適應多相關濾波模型當中,得到了一個能夠適應各種復雜場景變化的視覺跟蹤算法。算法在測試數據集上實現(xiàn)了23.8幀/秒的跟蹤速度,目標中心位置定位準確率達到了0.852。本文不僅在數據集上對算法進行了對比實驗,還針對實際的跟蹤任務,設計并制作了一個大視野范圍下精細目標跟蹤平臺,用于測試算法在現(xiàn)實場景下的應用。該平臺采用雙相機協(xié)同工作的模式,一個相機在大視野范圍內對目標進行實時跟蹤,該相機最大視野范圍是6.8×4.9米,另一個相機在小視野范圍內實時檢測目標的各種精細變化,獲得跟蹤對象更加準確的位置信息。平臺最高運行速度可以達到60幀/秒。
【學位單位】：華中科技大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP391.41;TN713
【部分圖文】：

(d) 智能監(jiān)控 (e) 軍事制導 (f) 醫(yī)學診斷圖 1- 1 視覺跟蹤的應用場景各種對象，例如在銀行安防應用中，需要跟蹤來往的各種行人，在無人駕駛應用中，需要跟蹤各種機動車與非機動車，同時也需要跟蹤道路上的行人。這樣便要求跟蹤算法在很少的樣本情況下準確地學習到跟蹤目標的外形特點，并能在之后的一段時間內清楚的判斷出目標所在的位置。其次，在跟蹤過程中目標可能會發(fā)生各種狀況，例如目標被其他物體遮擋，目標形狀發(fā)生變化，目標快速移動等。這樣就要求跟蹤器具有很強大的判別能力，能夠在目標發(fā)生各種改變時，仍準確地定位出其所在位置。最后，目標跟蹤是一個實時任務，這便要求算法具有很高的計算速度，能在很短的時間內完成對目標的搜索，定位和分析。隨著近幾年視覺跟蹤技術需求量的增加，視覺跟蹤平臺也成為了技術落地的重要一環(huán)。在大多數任務中，視覺跟蹤平臺都要實現(xiàn)無人控制，要求跟蹤平臺能夠實時地追蹤移動目標，并能夠準確地鎖定目標具體位置。因此，跟蹤平臺需要清晰地采集到目標及其周圍的背景圖像，高速且準確的執(zhí)行跟蹤算法，并將計算得到的目
【參考文獻】

相關期刊論文 前5條

1 鄭西點;袁浩巍;杜正陽;陳忠;張文強;;一種高速視覺實時定位與跟蹤系統(tǒng)的研制[J];上海電氣技術;2015年01期

2 李遠征;盧朝陽;高全學;李靜;;基于多特征融合的均值遷移粒子濾波跟蹤算法[J];電子與信息學報;2010年02期

3 牛長鋒;劉玉樹;;一種新的Mean-Shift對象跟蹤方法[J];光電工程;2008年03期

4 常發(fā)亮;劉雪;王華杰;;基于均值漂移與卡爾曼濾波的目標跟蹤算法[J];計算機工程與應用;2007年12期

5 侯志強;韓崇昭;;視覺跟蹤技術綜述[J];自動化學報;2006年04期

相關博士學位論文 前1條

1 王棟;基于線性表示模型的在線視覺跟蹤算法研究[D];大連理工大學;2013年

本文編號：2857590