目標跟蹤作為計算機視覺領域的熱點之一,在眾多領域有著廣泛應用,如自動駕駛、國防安全、智能家居、人機交互等。在技術層面上目標跟蹤涉及模式識別、圖像處理,是一個寬領域、多應用的研究方向。最近幾十年內(nèi)是目標跟蹤領域發(fā)展高速期,涌現(xiàn)了一大批優(yōu)秀的算法,在一定程度上取得了良好效果,但實際應用中跟蹤環(huán)境具有多變性和復雜性,例如快速運動、光照變化、遮擋、背景干擾等。面對這些跟蹤難點,如何實現(xiàn)具有魯棒性和實時性的跟蹤仍是一項艱巨卻有意義的任務。本文分析了不同類型跟蹤算法的優(yōu)點與缺點,以相關濾波跟蹤算法為研究框架,針對目標跟蹤過程中存在的遮擋、形變、快速運動、背景干擾等問題進行深入研究并提出改進方案,并用實驗證明改進算法的優(yōu)勢,主要分為三個方面:（1）針對相關濾波算法在目標遮擋、快速運動等復雜情況下容易導致跟蹤失敗,難以應用于長時跟蹤,本文提出了一種適合長時跟蹤的自適應相關濾波算法。首先串聯(lián)HOG特征、CN特征和灰度特征,增強特征判別力。然后利用Edgeboxes生成檢測建議,找到最優(yōu)的候選框?qū)崿F(xiàn)跟蹤器尺度與縱橫比的自適應。為避免模板被破壞,將目標移動速度與邊緣組數(shù)結(jié)合起來形成了一種新的自適應更新率并進... 

【文章來源】：江南大學江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

光照變化

第一章緒論5圖1-1光照變化（2）遮擋：這是跟蹤場景中較難解決的問題，分為輕微遮擋、半遮擋和全遮擋。如圖1-2所示，由于拍攝過程中，目標受到外界其他物體遮擋逐漸丟失自己的外觀特征，跟蹤器容易讀取其他物體的特征難以再建立起正確的外觀模型導致跟蹤失敗。如何有效地判斷是否發(fā)生遮擋，不在遮擋情況下更新模板也是研究難點之一。圖1-2遮擋（3）背景干擾：現(xiàn)有檢測框多是規(guī)則圖形但實際目標大多卻是不規(guī)則物體，所以在跟蹤過程中不可避免地將部分背景進行模型訓練，一旦周圍背景與前景相似性較強，很容易導致跟蹤失敗。如圖1-3所示，目標人物周圍掉落了大量與目標顏色相近的禮炮，在跟蹤過程中十分容易因過讀背景信息導致模板漂移，影響跟蹤效果。未來跟蹤研究方向?qū)膱D像分割中得到啟示，使檢測框與目標形狀充分一致。圖1-3背景干擾（4）快速運動：目標在短時間內(nèi)運動速度過快，導致目標位移很大容易跟丟。如圖1-4所示，在前后幾幀之內(nèi)目標的坐標變化很大，跟蹤器很難在短時間內(nèi)充分更新模板，容易保留大量歷史信息，且快速運動往往與背景干擾一同發(fā)生，跟蹤難點很大。圖1-4快速運動

第一章緒論5圖1-1光照變化（2）遮擋：這是跟蹤場景中較難解決的問題，分為輕微遮擋、半遮擋和全遮擋。如圖1-2所示，由于拍攝過程中，目標受到外界其他物體遮擋逐漸丟失自己的外觀特征，跟蹤器容易讀取其他物體的特征難以再建立起正確的外觀模型導致跟蹤失敗。如何有效地判斷是否發(fā)生遮擋，不在遮擋情況下更新模板也是研究難點之一。圖1-2遮擋（3）背景干擾：現(xiàn)有檢測框多是規(guī)則圖形但實際目標大多卻是不規(guī)則物體，所以在跟蹤過程中不可避免地將部分背景進行模型訓練，一旦周圍背景與前景相似性較強，很容易導致跟蹤失敗。如圖1-3所示，目標人物周圍掉落了大量與目標顏色相近的禮炮，在跟蹤過程中十分容易因過讀背景信息導致模板漂移，影響跟蹤效果。未來跟蹤研究方向?qū)膱D像分割中得到啟示，使檢測框與目標形狀充分一致。圖1-3背景干擾（4）快速運動：目標在短時間內(nèi)運動速度過快，導致目標位移很大容易跟丟。如圖1-4所示，在前后幾幀之內(nèi)目標的坐標變化很大，跟蹤器很難在短時間內(nèi)充分更新模板，容易保留大量歷史信息，且快速運動往往與背景干擾一同發(fā)生，跟蹤難點很大。圖1-4快速運動


本文編號：2907771