目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要研究方向,是指在給定目標(biāo)物體初始狀態(tài)的情況下,估計(jì)目標(biāo)在后續(xù)視頻幀中的運(yùn)動(dòng)軌跡。目標(biāo)跟蹤算法在人機(jī)交互、智能視頻監(jiān)控等方面應(yīng)用廣泛,備受國(guó)內(nèi)外研究者的關(guān)注。傳統(tǒng)的跟蹤算法通常采用相關(guān)濾波框架,雖然速度快,但手工特征不能有效捕獲目標(biāo)物體的語(yǔ)義信息,難以處理復(fù)雜的目標(biāo)表觀變化,對(duì)嚴(yán)重遮擋、非剛性形變等復(fù)雜情況魯棒性較差;深度卷積特征的跟蹤算法效果雖好,但速度較慢,不能滿足實(shí)時(shí)性要求。于是,須綜合考慮跟蹤效果與運(yùn)行速度。本文在分層卷積特征相關(guān)濾波目標(biāo)跟蹤算法的框架下,在特征選擇、分類器訓(xùn)練、評(píng)估機(jī)制及模型更新等方面對(duì)算法的精確度和速度作進(jìn)一步的改進(jìn),主要研究成果如下:1.提出特征能量均值比的方法對(duì)特征提取層的通道進(jìn)行降維,提高算法精確度和速度。本文選取Poo14和Conv5-3兩層的卷積特征,并根據(jù)輸入圖像搜索區(qū)域與目標(biāo)區(qū)域特征間的能量均值比對(duì)特征通道進(jìn)行自適應(yīng)裁剪,減小了冗余特征對(duì)跟蹤任務(wù)的干擾,提高算法的速度。2.提出多高斯濾波器預(yù)測(cè)位置自適應(yīng)融合策略,對(duì)目標(biāo)位置進(jìn)行準(zhǔn)確估計(jì)�？紤]不同視頻序列訓(xùn)練樣本間的差異性,本文選取不同帶寬因子的高斯分布樣本分別訓(xùn)練多個(gè)...

【文章頁(yè)數(shù)】：53 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 目標(biāo)跟蹤領(lǐng)域難點(diǎn)與挑戰(zhàn)
    1.4 研究?jī)?nèi)容與結(jié)構(gòu)安排
第二章 基于稀疏卷積特征的相關(guān)濾波目標(biāo)跟蹤算法
    2.1 相關(guān)濾波器簡(jiǎn)介
    2.2 卷積特征
        2.2.1 VGG-19網(wǎng)絡(luò)
        2.2.2 稀疏卷積特征
    2.3 帶寬調(diào)整策略
    2.4 實(shí)驗(yàn)結(jié)果與分析
        2.4.1 數(shù)據(jù)集
        2.4.2 實(shí)驗(yàn)環(huán)境設(shè)置
        2.4.3 參數(shù)設(shè)置
        2.4.4 魯棒性分析
    2.5 本章小結(jié)
第三章 多高斯相關(guān)濾波實(shí)時(shí)跟蹤算法
    3.1 分層稀疏卷積特征
    3.2 多高斯相關(guān)濾波分類器
    3.3 自適應(yīng)位置融合
    3.4 稀疏模型更新
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)評(píng)估指標(biāo)
        3.5.2 參數(shù)設(shè)置
        3.5.3 跟蹤性能對(duì)比
        3.5.4 魯棒性評(píng)估
    3.6 小結(jié)
第四章 置信反饋調(diào)整的多高斯相關(guān)濾波跟蹤算法
    4.1 自適應(yīng)卷積特征
    4.2 置信反饋調(diào)整算法
        4.2.1 置信反饋與速率調(diào)整
        4.2.2 搜索區(qū)域調(diào)整與目標(biāo)重定位
    4.3 實(shí)驗(yàn)結(jié)果分析
        4.3.1 參數(shù)設(shè)置
        4.3.2 跟蹤性能對(duì)比實(shí)驗(yàn)
        4.3.3 魯棒性評(píng)估實(shí)驗(yàn)
        4.3.4 不同策略效果評(píng)估
        4.3.5 不同算法跟蹤效果對(duì)比
    4.4 小結(jié)
第五章 總結(jié)與展望
    5.1 全文工作總結(jié)
    5.2 未來(lái)工作展望
參考文獻(xiàn)
在學(xué)期間的研究成果
致謝



本文編號(hào)：3858008