目標(biāo)跟蹤一直是計算機視覺領(lǐng)域中研究的熱點,涉及諸多的學(xué)科和理論。其中基于相關(guān)濾波理論的目標(biāo)跟蹤算法因其高實時性的同時還能保證跟蹤精度的特點,引起了廣大學(xué)者的關(guān)注。但受到光照變化、目標(biāo)遮擋、目標(biāo)自身形變等問題干擾時,相關(guān)濾波跟蹤算法仍不夠穩(wěn)健。為了提高相關(guān)濾波跟蹤算法在復(fù)雜場景下的跟蹤性能,對其進(jìn)行了深入研究,取得的成果如下:針對復(fù)雜光照干擾以及目標(biāo)尺度變化導(dǎo)致的跟蹤漂移問題,提出了一種多特征融合的尺度自適應(yīng)相關(guān)濾波跟蹤算法。首先,在位置預(yù)測階段,利用Hue和梯度方向直方圖兩種特征和各自的位置濾波器作用得到的輸出響應(yīng)值自適應(yīng)分配權(quán)重實現(xiàn)目標(biāo)位置的預(yù)測。其次,在尺度預(yù)測階段,通過在目標(biāo)位置采集多尺度圖像組成樣本獨立訓(xùn)練尺度濾波器,并根據(jù)樣本的尺度濾波響應(yīng)值對目標(biāo)的尺度進(jìn)行估計,使跟蹤算法能夠適應(yīng)目標(biāo)的尺度變化。最后利用兩幀圖像間的差異性自適應(yīng)調(diào)整學(xué)習(xí)率進(jìn)行位置濾波器的更新。實驗結(jié)果表明,相較于其他經(jīng)典算法改進(jìn)算法的跟蹤準(zhǔn)確性更高。當(dāng)目標(biāo)尺度變化較大時,改進(jìn)算法仍能穩(wěn)定跟蹤。針對因邊界效應(yīng)導(dǎo)致跟蹤算法對遮擋、快速運動的干擾不夠魯棒的問題,提出了一種基于樣本增強和交替方向乘子法的相關(guān)濾波跟蹤算法。首先,通過增大循環(huán)移位樣本的采集框并進(jìn)行裁切處理,減弱邊界效應(yīng)的影響。然后引入交替方向乘子法進(jìn)行模型求解的優(yōu)化,并在模型的迭代求解中通過Sherman Morrison公式進(jìn)行進(jìn)一步優(yōu)化。最后在模型的更新策略上設(shè)置一個遮擋判定機制來確定模型是否更新,提高抗遮擋能力。實驗結(jié)果表明,相比于原始相關(guān)濾波跟蹤算法,提出的改進(jìn)算法在遮擋和快速運動的場景下的跟蹤仍然可靠,算法的魯棒性得到提高。
【學(xué)位單位】：中國民航大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TN713
【部分圖文】：

中國民航大學(xué)碩士學(xué)位論文際導(dǎo)彈、精確打擊的衛(wèi)星式武器、精確定位的電磁炮等高新科學(xué)技術(shù)所創(chuàng)造的器將極大改變未來的戰(zhàn)爭狀態(tài)。在相關(guān)的戰(zhàn)爭影視作品中，就頻繁出現(xiàn)這樣的方式：先通過無人機甚至是衛(wèi)星在高空的優(yōu)勢進(jìn)行目標(biāo)的搜索、定位和跟蹤，標(biāo)的情報收集工作，再讓指揮部通過收集的情報進(jìn)行決策。不論是對目標(biāo)的持還是進(jìn)行導(dǎo)彈的精確制導(dǎo)完成對敵對目標(biāo)精確的火力打擊，都可以順利實現(xiàn)。(a)杭州城市數(shù)據(jù)大腦 (b)人機交互

圖 2-2 提取訓(xùn)練樣本的方法建的跟蹤器進(jìn)行訓(xùn)練過程中，作者巧妙的將濾波器的體思路如下：一般選取以目標(biāo)位置為中心點、大小此來對分類器 f ( x ) w, ( x) 進(jìn)行訓(xùn)練。和其他對式不同，KCF 算法采用循環(huán)移位的形式實現(xiàn)。那么

圖 2-4 多種算法對比的定性圖算法的運行結(jié)果用不同顏色的矩形框進(jìn)行區(qū)分結(jié)果進(jìn)行展示在直觀上進(jìn)行算法性能的對比算法跟蹤成功與否，但不能準(zhǔn)確說明跟蹤精度優(yōu)劣性。如需對某一情況下算法運行情況進(jìn)行進(jìn)。要有評判方法，本文的評估標(biāo)準(zhǔn)采用的是近中的算法性能評判方法。在該文獻(xiàn)中，算法的精度、跟蹤魯棒性和運行的實時性。從這三個ation error)、重疊率(Overlap rate)、成功率(率圖(Success plot)和 FPS(Frames Per Second)。
【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;;實時粒子濾波跟蹤算法及其實現(xiàn)[J];系統(tǒng)仿真學(xué)報;2009年18期

3 柏柯嘉;;一種改進(jìn)的粒子濾波跟蹤算法[J];計算機工程;2010年18期

4 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(shù);2017年02期

5 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(yīng)用;2013年14期

6 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

7 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

8 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];計算機科學(xué);2012年S1期

9 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

10 孟祥瑞;;核相關(guān)濾波跟蹤方法研究[J];現(xiàn)代信息科技;2019年10期

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)控中運動目標(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 高凱;基于卷積神經(jīng)網(wǎng)絡(luò)的粒子濾波跟蹤算法[D];大連理工大學(xué);2019年

2 胡文博;復(fù)雜場景下基于相關(guān)濾波的視頻目標(biāo)跟蹤研究[D];中國民航大學(xué);2019年

3 潘常青;基于相關(guān)濾波框架的目標(biāo)跟蹤算法研究[D];南京郵電大學(xué);2019年

4 趙啟明;基于方向空間多尺度相關(guān)濾波跟蹤[D];西安電子科技大學(xué);2019年

5 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

6 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

7 丁傳勇;基于高斯先驗及彈性網(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

8 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

9 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

10 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

本文編號：2863243