隨著計(jì)算機(jī)視覺和人工智能等領(lǐng)域的發(fā)展,采用視覺分析的算法模擬人眼和大腦實(shí)現(xiàn)對圖像和視頻的理解成為近年來的研究重點(diǎn)和熱點(diǎn)。其中視覺目標(biāo)跟蹤是人工智能等視覺分析領(lǐng)域備受關(guān)注的課題之一,在無人駕駛、交通檢測、安全監(jiān)控、人機(jī)交互、醫(yī)療應(yīng)用、導(dǎo)航和軍事等領(lǐng)域都具有極其重要的應(yīng)用。但是當(dāng)面臨快速運(yùn)動(dòng)、運(yùn)動(dòng)模糊、形狀變化、目標(biāo)旋轉(zhuǎn)、尺度變化和移出視野等外觀變化,以及包括背景雜亂,光照變化,低分辨率和部分遮擋的環(huán)境變化時(shí),視覺目標(biāo)跟蹤仍然是一項(xiàng)具有挑戰(zhàn)性的任務(wù)。本文研究基于相關(guān)濾波器的目標(biāo)跟蹤算法的優(yōu)缺點(diǎn),提出了一種在貝葉斯框架下的基于多分塊策略的目標(biāo)跟蹤算法框架。該算法主要解決在跟蹤問題中最具有挑戰(zhàn)的遮蔽、形變和尺度變化等干擾屬性。本文提出的算法框架中的核心組件包括目標(biāo)表觀模型、目標(biāo)運(yùn)動(dòng)模型和目標(biāo)特征模型,分別利用了基于相關(guān)濾波器的跟蹤算法求解目標(biāo)表觀模型、挖掘各個(gè)分塊響應(yīng)圖在時(shí)間上的聯(lián)系計(jì)算分塊自身的可靠性和計(jì)算同一幀多塊之間的關(guān)系來定義每個(gè)分塊對整個(gè)跟蹤結(jié)果的貢獻(xiàn)。并且提出了對每個(gè)模型和參數(shù)的自適應(yīng)更新方式以及目標(biāo)的自適應(yīng)尺度估計(jì)方式。其次,為了降低多分塊目標(biāo)跟蹤算法的計(jì)算復(fù)雜度問題,本文分析了... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于相關(guān)濾波器的目標(biāo)跟蹤算法
        1.2.2 GPU在圖像領(lǐng)域研究現(xiàn)狀
    1.3 本文主要研究內(nèi)容與創(chuàng)新點(diǎn)
    1.4 論文目錄安排
第二章 貝葉斯跟蹤框架與并行處理體系
    2.1 引言
    2.2 貝葉斯跟蹤框架
        2.2.1 目標(biāo)特征模型
        2.2.2 目標(biāo)運(yùn)動(dòng)模型
        2.2.3 目標(biāo)表觀模型
    2.3 并行處理體系
        2.3.1 GPU硬件體系
        2.3.2 CUDA軟件體系
    2.4 本章小結(jié)
第三章 基于相關(guān)濾波器的分塊目標(biāo)跟蹤算法
    3.1 引言
    3.2 基于分塊的目標(biāo)跟蹤策略
        3.2.1 目標(biāo)分塊策略
        3.2.2 分塊篩選策略
        3.2.3 多特征融合策略
    3.3 多分塊貝葉斯跟蹤框架設(shè)計(jì)
        3.3.1 基于相關(guān)濾波器的表觀估計(jì)
        3.3.2 目標(biāo)分塊自身可靠性度量
        3.3.3 目標(biāo)分塊對整體貢獻(xiàn)度量
        3.3.4 自適應(yīng)更新策略
        3.3.5 尺度估計(jì)策略
    3.4 本章小結(jié)
第四章 基于GPU的目標(biāo)跟蹤算法并行優(yōu)化
    4.1 引言
    4.2 相關(guān)濾波跟蹤耗時(shí)分析
    4.3 特征提取并行化
        4.3.1 HOG特征提取的并行化
        4.3.2 CN特征提取的并行化
    4.4 核函數(shù)矩陣計(jì)算并行化
        4.4.1 高斯核函數(shù)矩陣相關(guān)計(jì)算的并行化
        4.4.2 自相關(guān)與互相關(guān)核函數(shù)計(jì)算的并行化
    4.5 跟蹤任務(wù)級別的并行
    4.6 本章小結(jié)
第五章 算法的質(zhì)量評估及性能分析
    5.1 引言
    5.2 實(shí)驗(yàn)設(shè)置
        5.2.1 數(shù)據(jù)集介紹
        5.2.2 評價(jià)指標(biāo)介紹
    5.3 分塊跟蹤算法的質(zhì)量評估
        5.3.1 定量分析
        5.3.2 基于屬性分析
        5.3.3 定性分析
    5.4 并行跟蹤算法的性能分析
        5.4.1 特征提取執(zhí)行時(shí)間對比
        5.4.2 核函數(shù)矩陣相關(guān)計(jì)算對比
        5.4.3 分塊并行跟蹤算法整體對比
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]運(yùn)動(dòng)目標(biāo)跟蹤算法研究綜述[J]. 張娟,毛曉波,陳鐵軍.  計(jì)算機(jī)應(yīng)用研究. 2009(12)
[2]動(dòng)態(tài)場景下的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[J]. 邵文坤,黃愛民,韋慶.  計(jì)算機(jī)仿真. 2006(05)



本文編號：3416173