隨著機器視覺技術(shù)的快速發(fā)展,視覺目標跟蹤成為了計算機視覺中重要的研究內(nèi)容之一。本文在基于相關(guān)濾波的基礎(chǔ)上,針對視覺目標跟蹤過程中經(jīng)典算法的表觀模型單一性、尺度變化弱適應(yīng)性問題開展了相關(guān)的研究工作,并提出了一些新的思路,主要工作包括:(1)提出了 一種多特征融合的尺度自適應(yīng)視覺目標跟蹤算法。在核相關(guān)濾波視覺目標跟蹤算法的理論基礎(chǔ)上,通過融合目標的顏色特征以及形狀特征來提高算法的魯棒性。在表觀特征選取部分,本文引入了更為復(fù)雜的CN顏色空間作為目標的顏色特征,該顏色空間能夠準確地提取目標不同色彩信息,對前景與背景有較強的區(qū)分能力。同時,本文通過提取HOG特征來描述目標形狀以應(yīng)對長期跟蹤過程中目標的幾何和光學(xué)變化。在尺度檢測部分,本文首先提取目標的輪廓特征以及灰度直方圖信息作為目標的尺度表征,然后利用相關(guān)性濾波理論進行實時在線訓(xùn)練與檢測,使跟蹤算法能夠應(yīng)對長期運動過程中目標尺度發(fā)生的變化。此外,本文提出了一種多檢測器跟蹤框架,通過對歷史檢測器的保留與更新,并根據(jù)各個檢測器在其工作階段的綜合決策能力來決定最終的目標定位結(jié)果。實驗結(jié)果表明,本文方法具有較高的效率、魯棒性和準確度,能夠有效地處理光照...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于表征方式的方法
        1.2.2 基于全局模型的方法
        1.2.3 基于局部分塊模型的方法
        1.2.4 基于判別分類的方法
    1.3 存在的問題與挑戰(zhàn)
    1.4 本文的主要工作及內(nèi)容安排
2 視覺目標跟蹤基本框架與理論方法
    2.1 引言
    2.2 視覺目標跟蹤的基本框架
        2.2.1 視覺表征
        2.2.2 觀測模型
        2.2.3 目標定位
        2.2.4 模型更新策略
    2.3 基本理論方法
        2.3.1 卡爾曼濾波
        2.3.2 均值漂移算法
        2.3.3 貝葉斯濾波
    2.4 數(shù)據(jù)集及評價方法
        2.4.1 數(shù)據(jù)集
        2.4.2 評價方法
    2.5 總結(jié)
3 基于多特征融合的尺度自適應(yīng)視覺目標跟蹤
    3.1 引言
    3.2 CSK視覺目標跟蹤算法
        3.2.1 線性回歸
        3.2.2 循環(huán)偏移和循環(huán)矩陣
        3.2.3 檢測器的快速訓(xùn)練與檢測
        3.2.4 核函數(shù)矩陣的快速計算
    3.3 多特征融合與尺度自適應(yīng)
        3.3.1 顏色與形狀特征提取
        3.3.2 多特征融合與模型更新
        3.3.3 尺度檢測算法
    3.4 多檢測器框架
    3.5 基于多特征融合的尺度自適應(yīng)視覺目標跟蹤算法
    3.6 實驗及結(jié)果分析
        3.6.1 實驗設(shè)置
        3.6.2 實驗結(jié)果
        3.6.3 表征對比實驗
        3.6.4 基于屬性的評估實驗
        3.6.5 多檢測器模型更正實驗
        3.6.6 定量分析實驗
    3.7 總結(jié)
4 基于深度回歸網(wǎng)絡(luò)的尺度自適應(yīng)視覺目標跟蹤
    4.1 引言
    4.2 CaffeNet模型介紹
    4.3 基于深度回歸網(wǎng)絡(luò)的尺度檢測算法
        4.3.1 尺度檢測網(wǎng)絡(luò)框架
        4.3.2 尺度檢測網(wǎng)絡(luò)輸入和輸出
        4.3.3 運動平滑規(guī)律
        4.3.4 尺度檢測網(wǎng)絡(luò)訓(xùn)練
    4.4 基于深度回歸網(wǎng)絡(luò)的尺度自適應(yīng)視覺目標跟蹤算法
    4.5 實驗
        4.5.1 訓(xùn)練數(shù)據(jù)集
        4.5.2 實驗設(shè)置
        4.5.3 實驗結(jié)果
        4.5.4 基于屬性的評估實驗
        4.5.5 尺度檢測性能評估
    4.6 總結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻
附錄



本文編號：3821996