基于相關(guān)濾波器的視覺目標跟蹤算法由于跟蹤精度高、運算速度快等優(yōu)點獲得了廣泛的關(guān)注。但是傳統(tǒng)的基于相關(guān)濾波器的跟蹤算法存在原理缺陷,只能實現(xiàn)以像素為單位的離散定位,降低了跟蹤精度。同時它的尺度估計模塊嚴重依賴于目標定位的準確性,且無法對產(chǎn)生嚴重遮擋后的目標進行重新獲取。針對這些問題,本文旨在研究一種基于相關(guān)濾波器的連續(xù)定位長程跟蹤算法,算法構(gòu)建卷積操作子用于連續(xù)域內(nèi)目標定位,同時使用重追蹤算法對遮擋后丟失的目標進行再獲取。經(jīng)過目標跟蹤測試集的評估,本文算法獲得了很高的跟蹤精度。本文首先研究了一種連續(xù)域內(nèi)的相關(guān)濾波器跟蹤算法,算法將目標跟蹤課題分為目標定位和目標尺度估計兩個模塊。在目標定位模塊中,算法利用卷積神經(jīng)網(wǎng)絡(luò)特征的高判別力特性,通過設(shè)計的卷積操作子對目標進行連續(xù)域內(nèi)定位,重點解決了傳統(tǒng)相關(guān)濾波器低精度離散定位造成的目標漂移問題,提高了算法目標定位能力。另一方面,算法尺度估計模塊針對傳統(tǒng)方法在定位誤差下的尺度估計失準問題,通過改進傳統(tǒng)的相關(guān)濾波器尺度估計模型,構(gòu)建了基于HOG特征的多金字塔目標尺度追蹤器,實現(xiàn)了微小定位誤差的修正及魯棒的目標尺度估計,提升了算法尺度估計性能。在長程跟蹤... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

VGG-19卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖

圖 3-2 尺度金字塔構(gòu)建位置示意圖表圖像平面的 x，y 方向；藍色點位置 ( , )t t tp x y。綠色點代表tp 周大小通常取兩個像素值以內(nèi)。以這字塔構(gòu)建的中心位置，構(gòu)造總數(shù)為的多金字塔追蹤器。方法通過訓(xùn)練代表目標不同尺度的搜尋所有相關(guān)濾波器的最大響應(yīng)，。多尺度金字塔在這一基礎(chǔ)上進行。此時，尺度金字塔中的每個相關(guān)應(yīng)著目標的位置信息。在這種情況響應(yīng)值所對應(yīng)的目標尺度就是目標置就是目標的最優(yōu)位置估計，可以定位修正的魯棒尺度估計算法示意

出的當前幀目標估計位置 ( , )t t tp x y。綠色點代表tp 周圍均勻分布的八個位置，其中相鄰兩個點間距大小通常取兩個像素值以內(nèi)。以這藍色及綠色點所代表的九個位置作為尺度金字塔構(gòu)建的中心位置，構(gòu)造總數(shù)為 9 的尺度金字塔，構(gòu)成了用于目標尺度估計的多金字塔追蹤器。傳統(tǒng)的尺度估計方法通過訓(xùn)練代表目標不同尺度的相關(guān)濾波器，構(gòu)成目標的尺度金字塔，接著搜尋所有相關(guān)濾波器的最大響應(yīng)，將最大響應(yīng)所對應(yīng)尺度作為目標的尺度估計。多尺度金字塔在這一基礎(chǔ)上進行改進，在目標位置周圍訓(xùn)練多個尺度金字塔。此時，尺度金字塔中的每個相關(guān)濾波器除了表述目標的不同大小以外，還對應(yīng)著目標的位置信息。在這種情況下，計算所有相關(guān)濾波器的響應(yīng)值，則最大響應(yīng)值所對應(yīng)的目標尺度就是目標最優(yōu)尺度估計；最大響應(yīng)值所對應(yīng)的目標位置就是目標的最優(yōu)位置估計，可以對定位模塊所獲得的目標位置進行的修正。定位修正的魯棒尺度估計算法示意圖如圖 3-3 所示。進入尺度估計模塊，利用當前幀的預(yù)測目標位置，在預(yù)測位置與其周圍構(gòu)建多金字塔的尺度追蹤器 , {1,2, , }iT i n。每個iT 代表不同中心位置下構(gòu)建的目標尺度金字塔，金字塔的構(gòu)建流程與第 2.3 節(jié)相同。令第 個金字塔中的 個相關(guān)

【參考文獻】：
期刊論文
[1]現(xiàn)代智能視頻監(jiān)控研究綜述[J]. 吳群,王田,王漢武,賴永炫,鐘必能,陳永紅.  計算機應(yīng)用研究. 2016(06)

博士論文
[1]視覺跟蹤新方法及其應(yīng)用研究[D]. 夏瑜.江南大學(xué) 2013

碩士論文
[1]基于TLD框架的長時間單目標跟蹤算法研究[D]. 張?zhí)m.遼寧大學(xué) 2015
[2]基于TLD的視頻目標跟蹤算法的研究[D]. 張帥領(lǐng).西安電子科技大學(xué) 2014



本文編號：3088747