視覺目標跟蹤是計算機視覺領(lǐng)域的重要分支之一,在智能監(jiān)控、安全預(yù)警、遠程醫(yī)療和軍事等多種領(lǐng)域中發(fā)揮重要作用。相關(guān)濾波目標跟蹤算法具有高效的運算速度,受到業(yè)界的廣泛關(guān)注,但是在面對目標快速運動、目標丟失、光照變化、尺度變化等挑戰(zhàn)情況時,無法完美地跟蹤目標。為此,本文對核相關(guān)濾波（KCF）目標跟蹤算法進行相關(guān)研究,對其不足之處進行改進,主要貢獻有兩個方面:（1）針對目標快速運動時跟蹤算法的檢測范圍不足和循環(huán)采樣中使用余弦窗導(dǎo)致?lián)p失部分目標信息的問題,本文在KCF的基礎(chǔ)上提出一種雙模板（DTCF）跟蹤算法,該算法引入兩個尺度級別的濾波器模板。首先使用小模板預(yù)測當前幀目標位置,根據(jù)響應(yīng)輸出和設(shè)定閾值判斷本次預(yù)測信息是否可靠;若不可靠,則利用二次檢測的思想,使用大模板進行二次檢測;選取兩者中更加可靠的結(jié)果作為最終的預(yù)測位置。仿真實驗采用OTB-50數(shù)據(jù)集,確定以0.6作為雙模板切換的固定閾值,實驗結(jié)果顯示DTCF在跟蹤性能方面優(yōu)于對比算法,均值DP、OP、S和CLE等四個評估指標比KCF提升了9.74%、14.81%、12.30%和1.16%。（2）針對跟蹤算法面對不同挑戰(zhàn)時特征的魯棒性和目標尺度... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

檢測目標的響應(yīng)輸出相關(guān)計算是相關(guān)濾波目標跟蹤算法的基礎(chǔ)，相關(guān)即反應(yīng)事物的內(nèi)在關(guān)聯(lián)，所以可以用信

杭州電子科技大學(xué)碩士學(xué)位論文10操作可以到響應(yīng)輸出，可以看到響應(yīng)輸出中紅色越深表示該出的相似度越高。越往四周相似度越低，因為目標所處的背景環(huán)境已經(jīng)發(fā)生改變。跟蹤算法把響應(yīng)輸出中最大值的位置作為目標的預(yù)測位置。利用目標的相關(guān)性實現(xiàn)相關(guān)濾波目標跟蹤，其跟蹤的主要流程如圖2.2，分為四個主要步驟[53]：（1）跟蹤算法初始化：給定目標的初始化信息，一般包括目標的尺寸和位置。計算檢測區(qū)域尺寸，提取該區(qū)域的特征信息并訓(xùn)練濾波器模板。（2）區(qū)域特征提取：提取待檢測區(qū)域的特征信息，特征包括：形狀特征、顏色特征和深度特征等。為了抑制邊界效應(yīng)，通常還需要給提取后的特征加上余弦窗。（3）預(yù)測目標位置：檢測過程在頻域進行計算，將加完余弦窗的目標特征信息經(jīng)過傅里葉變換轉(zhuǎn)換到頻域，接著與濾波器進行點積操作，之后將運算結(jié)果通過逆傅里葉變換重新轉(zhuǎn)換到時域得到最終的響應(yīng)輸出，然后取其中的響應(yīng)最大值作為目標預(yù)測位置。（4）模型更新：由于目標在運動時，自身和背景會發(fā)生變化，因此需要對模型進行及時更新。在目標預(yù)測位置截取感興趣區(qū)域，提取特征并采取一定策略更新濾波器模板。圖2.2相關(guān)濾波跟蹤流程上面簡單的描述了濾波類跟蹤算法的主要流程，后續(xù)本文將以KCF為例，解釋說明相關(guān)濾波目標跟蹤算法的跟蹤原理并對跟蹤步驟進行詳細的理論推導(dǎo)。

杭州電子科技大學(xué)碩士學(xué)位論文12其中，第一行為生成向量x，第二行為x右移一位后的向量，最后一行為x右移n-1位的向量，C(x)包含所有循環(huán)移位后的向量，即循環(huán)矩陣X�？梢钥吹�，除了第一個樣本是采樣得到，其他的n-1個樣本都是通過循環(huán)移位生成的，通過該方式大大的增加了樣本數(shù)量。循環(huán)矩陣具有很多特殊的性質(zhì)[27,55]，在相關(guān)濾波跟蹤算法中主要使用到的性質(zhì)是任意一個循環(huán)矩陣都可以通過離散傅里葉變換進行對角化，可以表示為：()HX=FdiagxF（2.3）其中，F(xiàn)表示DFT常量矩陣，x表示生成向量x的DFT，即x=F(x)。以上講述的都是一維向量的循環(huán)矩陣，在實際跟蹤算法中，跟蹤目標通常都是二維圖像，即二維矩陣。將循環(huán)矩陣在一維空間中的性質(zhì)拓展到二維空間，二維矩陣不僅需要橫向移位，還要進行縱向移位。當一個n×n樣本圖像通過循環(huán)移位操作后，可以生成n×n-1個額外樣本。圖2.3正中間的是原始樣本，周圍的八個圖像塊是原始樣本通過循環(huán)移位生成的樣本，可以看出經(jīng)過循環(huán)移位會破壞目標的完整性。圖2.3圖像塊循環(huán)移位

【參考文獻】：
期刊論文
[1]采用核相關(guān)濾波器的長期目標跟蹤[J]. 楊德東,蔡玉柱,毛寧,楊福才.  光學(xué)精密工程. 2016(08)
[2]相關(guān)濾波目標跟蹤算法研究[J]. 顧培婷,黃德天,柳培忠,黃煒欽,汪鴻翔.  海峽科學(xué). 2016(07)
[3]目標跟蹤技術(shù)綜述[J]. 高文,朱明,賀柏根,吳笑天.  中國光學(xué). 2014(03)
[4]視覺導(dǎo)航技術(shù)的發(fā)展及其研究分析[J]. 王先敏,曾慶化,熊智,劉建業(yè).  信息與控制. 2010(05)
[5]紋理研究綜述[J]. 劉曉民.  計算機應(yīng)用研究. 2008(08)
[6]基于特征點的圖像配準技術(shù)探討[J]. 趙芹,周濤,舒勤.  紅外技術(shù). 2006(06)
[7]基于特征點集的匹配算法應(yīng)用于衛(wèi)星姿態(tài)確定[J]. 蔡曉東,葉培建.  北京航空航天大學(xué)學(xué)報. 2006(02)

博士論文
[1]復(fù)雜場景下實時視覺目標跟蹤的若干研究[D]. 朱建章.武漢大學(xué) 2014
[2]智能視頻監(jiān)控下的多目標跟蹤技術(shù)研究[D]. 李彤.中國科學(xué)技術(shù)大學(xué) 2013

碩士論文
[1]基于相關(guān)濾波的視覺跟蹤算法研究[D]. 王賽楠.中國礦業(yè)大學(xué) 2019
[2]基于核相關(guān)濾波的目標跟蹤算法研究[D]. 李永珺.青島理工大學(xué) 2018
[3]基于相關(guān)濾波的目標跟蹤算法研究[D]. 謝曉佳.華南理工大學(xué) 2018
[4]結(jié)合相關(guān)濾波和卷積神經(jīng)網(wǎng)絡(luò)的目標跟蹤方法研究[D]. 段汝湘.西北農(nóng)林科技大學(xué) 2017
[5]基于相關(guān)濾波器的目標跟蹤技術(shù)[D]. 董艷梅.北京理工大學(xué) 2015
[6]智能視頻分析中目標跟蹤算法的改進與實現(xiàn)[D]. 趙俊青.電子科技大學(xué) 2014



本文編號：3467412