在計算機硬件發(fā)展與信息技術(shù)的帶動下,計算機視覺和圖像處理等領(lǐng)域的相關(guān)技術(shù)算法也取得了巨大的進步。視頻跟蹤一直是計算機視覺領(lǐng)域的核心研究任務(wù),在人類的生活中也有著廣泛的應(yīng)用。目標(biāo)跟蹤可以看作在一個視頻序列中對目標(biāo)進行持續(xù)識別和檢測的過程,第一幀通過手動標(biāo)定或者自動識別確定待跟蹤目標(biāo),然后利用目標(biāo)跟蹤算法在后續(xù)的圖像序列中檢測出目標(biāo)的當(dāng)前狀態(tài),包含目標(biāo)位置和尺寸等信息。但是目標(biāo)在運動過程中會發(fā)生姿態(tài)旋轉(zhuǎn)和尺度縮放引起的內(nèi)在形變,或者存在光照的改變,物體的遮擋,相似背景的干擾等外在因素,這些都會影響算法的魯棒性和準(zhǔn)確性,給目標(biāo)跟蹤技術(shù)增加了很大的難度。近幾年相關(guān)濾波的成功引進使目標(biāo)跟蹤任務(wù)取得了很大的進展,準(zhǔn)確率的大幅提升與高幀率的計算速度使其成為一種熱門的主流的研究框架�；谥芷诩僭O(shè)的循環(huán)偏移生成了大量的訓(xùn)練樣本,但也產(chǎn)生了許多不真實的負樣本,在一定程度上降低了濾波模板的識別力。因此越來越多的研究者集中在設(shè)計復(fù)雜的正則化先驗以對濾波器進行更強的約束,提高判別能力。本文提出了一種Plug-and-Play相關(guān)濾波器（PPCF）融合框架,可以迭代地集成不同的相關(guān)濾波跟蹤器,將不同的正則化先驗進... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
    1.3 技術(shù)難點
    1.4 本文主要內(nèi)容與創(chuàng)新點
    1.5 本文組織結(jié)構(gòu)
2 目標(biāo)跟蹤相關(guān)技術(shù)
    2.1 視覺特征表示技術(shù)
        2.1.1 全局特征描述
        2.1.2 局部特征描述
        2.1.3 超像素分割特征
        2.1.4 深度特征
    2.2 相關(guān)濾波及在目標(biāo)跟蹤中的應(yīng)用
        2.2.1 相關(guān)濾波
        2.2.2 MOSSE算法
        2.2.3 核相關(guān)濾波
3 基于多相關(guān)濾波的視頻跟蹤算法
    3.1 空間正則化相關(guān)濾波
    3.2 Plug-and-Play多相關(guān)濾波跟蹤
    3.3 更新策略和實驗對比
        3.3.1 定性比較
        3.3.2 定量比較
4 基于位置感知和多相關(guān)濾波融合的視頻跟蹤算法
    4.1 基于雙層優(yōu)化學(xué)習(xí)的跟蹤算法
        4.1.1 雙層優(yōu)化學(xué)習(xí)
        4.1.2 多相關(guān)濾波正則化自適應(yīng)融合
        4.1.3 由粗到細的位置更新策略
    4.2 LRCFs跟蹤算法
    4.3 實驗結(jié)果與分析
        4.3.1 收斂性分析
        4.3.2 雙層學(xué)習(xí)框架的驗證實驗
        4.3.3 正則化融合的驗證實驗
        4.3.4 實驗評估
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻】：
期刊論文
[1]自適應(yīng)HLBP紋理特征的Meanshift目標(biāo)跟蹤算法[J]. 杜靜雯,黃山,楊雙祥.  計算機科學(xué). 2017(S2)
[2]HLBP紋理特征Mean Shift目標(biāo)跟蹤算法[J]. 楊德紅,閆河,劉婕,王樸.  計算機工程與設(shè)計. 2016(04)
[3]融合粒子濾波和在線adaboost分類器的目標(biāo)跟蹤方法研究[J]. 暴磊,邊群星,陳穩(wěn).  信息通信. 2016(01)
[4]Kalman濾波融合優(yōu)化Mean Shift的目標(biāo)跟蹤算法[J]. 韓濤,吳衡,張虎龍,侯海嘯,鄒強,張興國.  光電工程. 2014(06)
[5]基于AdaBoost算法的實時目標(biāo)跟蹤[J]. 楊文倩.  中國安防. 2014(09)
[6]一種基于算法融合的運動目標(biāo)跟蹤算法[J]. 李紅巖,毛征,袁建建,曲勁松,吳珍榮.  國外電子測量技術(shù). 2013(12)
[7]一種基于多特征融合的粒子濾波目標(biāo)跟蹤算法[J]. 高秀斌,丁盼盼,蔣長帥,杜宇人.  揚州大學(xué)學(xué)報(自然科學(xué)版). 2013(01)
[8]基于Camshift和Kalman濾波結(jié)合的改進多目標(biāo)跟蹤算法[J]. 吳良健,況璐,鄧慶林,劉海華.  現(xiàn)代科學(xué)儀器. 2010(01)
[9]基于多觀測模型的粒子濾波頭部跟蹤算法[J]. 安國成,高建坡,吳鎮(zhèn)揚.  中國圖象圖形學(xué)報. 2009(01)

博士論文
[1]基于多特征融合的Mean shift目標(biāo)跟蹤技術(shù)研究[D]. 田綱.武漢大學(xué) 2011



本文編號：3470033