視覺目標跟蹤作為計算機視覺領域的重要研究方向,在視頻監(jiān)控、人機交互,智能交通、軍事目標定位等方面有著廣泛的應用。經(jīng)過60余年的發(fā)展,視覺目標跟蹤技術取得了很大進展,但受目標形變、遮擋、環(huán)境光照變化等諸多因素的影響,尚沒有一種通用的跟蹤算法可以解決上述所有問題。因此,設計魯棒性強、跟蹤精度高、實時性好的目標跟蹤算法是一個頗具挑戰(zhàn)性的工作。近年來,基于相關濾波理論的跟蹤方法在視覺目標跟蹤數(shù)據(jù)集上取得了優(yōu)越的性能。這一類方法在初始化階段訓練一個判別性相關濾波器（Discriminative Correlation Filter,DCF）,隨后的步驟由檢測和更新交替進行;1)檢測:在前一幀目標位置處獲取當前目標外觀與濾波器做相關運算得到相關響應圖,根據(jù)響應峰值確定當前幀目標位置;2)更新:利用新的當前幀目標位置提取目標外觀、再根據(jù)期望輸出對相關濾波器進行更新。由于上述操作均可在頻域中通過快速傅里葉算法實現(xiàn),基于相關濾波的跟蹤方法在實時性上具有非常顯著的優(yōu)勢。圍繞這一框架,后續(xù)研究主要集中在外觀模型改進、訓練與更新策略、應對目標尺度變化等方面。隨著深度學習的興起,卷積神經(jīng)網(wǎng)絡（Convoluti... 

【文章來源】：中南民族大學湖北省

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

相關濾波跟蹤框架

跟蹤器的檢測框Detection真實目標框Ground truth圖 2-2 本章所敘述的算法在 4 個序列上的跟蹤結(jié)果圖（a）FaceOcc2；（b）Car2；（c）Dudek；（d）Crossing圖 2-2 中綠色框表示跟蹤器得到的跟蹤框，紅色的則為真實目標框round truth。圖 2-2（a）中目標主要受遮擋影響，（b）中目標主要受光照變

(a)(b) (c) (d)圖 3-1 顏色特征和 HOG 特征HOG 特征，即方向梯度直方圖（Histogram of Oriented Gradient），其計算圖像 cell 區(qū)域的方向梯度并統(tǒng)計來構(gòu)成 HOG 特征描述子，對目標形變、光照變化都能保持較好的不變性，適合于目標跟蹤。其可視化效果如圖 3-1（d），從圖中

【參考文獻】：
期刊論文
[1]相關濾波目標跟蹤進展綜述[J]. 張微,康寶生.  中國圖象圖形學報. 2017(08)
[2]智能視頻監(jiān)控技術綜述[J]. 黃凱奇,陳曉棠,康運鋒,譚鐵牛.  計算機學報. 2015(06)
[3]目標跟蹤技術綜述[J]. 高文,朱明,賀柏根,吳笑天.  中國光學. 2014(03)
[4]武漢“城市視頻監(jiān)控系統(tǒng)建設”項目系統(tǒng)[J]. 李杰,劉勇強,呂龍龍.  信息通信技術. 2012(05)



本文編號：3559767