目標(biāo)跟蹤因其在視頻監(jiān)控、人機(jī)交互、無(wú)人駕駛汽車等領(lǐng)域的廣泛應(yīng)用,成為計(jì)算機(jī)視覺(jué)領(lǐng)域中的基礎(chǔ)研究課題之一。雖然在過(guò)去的十多年里取得了很大的進(jìn)步,但是由于光照變化、幾何變形、局部遮擋、快速運(yùn)動(dòng)和背景雜波等因素,目標(biāo)跟蹤仍然是一個(gè)棘手的課題。為了解決跟蹤過(guò)程中出現(xiàn)的這些問(wèn)題,本文主要做了以下兩方面的工作:（1）均值偏移算法（Mean Shift,MS）對(duì)部分遮擋有較好的效果,但是目標(biāo)模型僅采用顏色特征,缺乏目標(biāo)空間信息,對(duì)目標(biāo)的描述不充分,易發(fā)生錯(cuò)誤定位。核相關(guān)濾波算法（Kernelized Correlation Filters,KCF）對(duì)遮擋和快速運(yùn)動(dòng)的跟蹤效果不好,但是其循環(huán)矩陣對(duì)目標(biāo)的描述比較充分。在跟蹤過(guò)程中,當(dāng)目標(biāo)尺寸發(fā)生變化時(shí),用固定模板跟蹤目標(biāo)就會(huì)導(dǎo)致目標(biāo)過(guò)小時(shí)增加背景雜波,而目標(biāo)過(guò)大時(shí)減少目標(biāo)特征的提取。以上兩種算法均使用固定模版來(lái)跟蹤目標(biāo),針對(duì)其優(yōu)缺點(diǎn),本文提出基于均值偏移與核相關(guān)濾波的尺度自適應(yīng)算法,以解決快速運(yùn)動(dòng)、運(yùn)動(dòng)模糊以及尺度變化下的目標(biāo)跟蹤問(wèn)題。（2）在目標(biāo)被部分遮擋或者目標(biāo)旋轉(zhuǎn)的情況下,基于判別濾波器的尺度自適應(yīng)算法（Discriminative Scale ... 

【文章來(lái)源】：蘇州大學(xué)江蘇省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１相關(guān)濾波模型圖??１４??

第二草基于均值偏移與核相關(guān)濾波尺度自適應(yīng)目標(biāo)跟蹤算法?聯(lián)合相關(guān)濾波與生成模型的目標(biāo)跟蹤算法研究??？?（?Ｊ?＿?＊?ｒ??Ｐ，?＇?＂ｎ?ｍｓ?（３．５）??／＝，?ｌ?ｈ?Ｊ??巴氏系數(shù)用來(lái)度量目標(biāo)直方圖與候選直方圖之間的相似性，從而得到使巴氏系??數(shù)最大的候選區(qū)域，該區(qū)域?yàn)槟繕?biāo)區(qū)域。??ｍ????ｐ［ｐ｛ｙ＼ｅ］?＝?Ｚ?（３．６）??；／＝ｌ??具體的流程如圖３－１所示：??（開(kāi)始）??讀入第一幀圖像并給出Ｈ標(biāo)??的初始位罝和大小??Ｉ??計(jì)算〃？，．Ｖ。，窗寬辦??初始化Ｂ標(biāo)中心位置Ｖ?＝?Ａ??＊?Ｉ??獲取下一幀??＾?；?Ｉ??計(jì)算????＊??????Ｎ?初始化目標(biāo)中心位置義?Ｊ＝＞，］??｜?〒??Ｖ，?－?Ｖ｜｜＜??Ｎ——１??Ｙ???ｉｒ??輸出Ｈ標(biāo)位置和大小?????Ｙ???ｔ???（結(jié)束〕??圖３－１均值偏移算法流程圖??１８??

第二草基于均值偏移與核相關(guān)濾波尺度自適應(yīng)目標(biāo)跟蹤算法?聯(lián)合相關(guān)濾波與生成模型的目標(biāo)跟蹤算法研究??解決這些問(wèn)題，本章提出均值偏移與核相關(guān)濾波的尺度自適應(yīng)算法。對(duì)視頻的每一幀，??本章算法采用的策略是用均值偏移算法對(duì)目標(biāo)進(jìn)行初步判定獲得目標(biāo)的初始位置，然??后改進(jìn)后的核相關(guān)濾波算法以此位置為輸入進(jìn)行采樣，并根據(jù)尺度策略找出具有最大??響應(yīng)值的尺度框，確定最終的目標(biāo)位置，最后更新算法模型。為了保證算法對(duì)目標(biāo)跟??蹤的速度，本章算法只有一層。其融合模型如下：??全局的生成跟蹤器?局部的判別跟蹤器??訓(xùn)練樣例（ＲＧＢ圖）?？訓(xùn)練樣例（灰度圖）????Ｖ．??｜?Ｖ???１?均值偏移跟蹤?改進(jìn)的核相關(guān)濾波跟蹤＜—??更新ＭＳ?＾?更新ＫＣＦ??圖３－２算法融合模型??為了方便實(shí)驗(yàn)對(duì)比，本章算法簡(jiǎn)寫(xiě)為ＭＳＫＣＦＳ。具體跟蹤過(guò)程如算法２所示：??算法２?ＭＳＫＣＦＳ融合算法??Ｉｎｐｕｔ：目標(biāo)初始位值，核窗口?Ａ??Ｏｕｔｐｕｔ：最終目標(biāo)位置??１：根據(jù)公式（３．３）計(jì)算目標(biāo)模型％??２：初始化目標(biāo)中心位置％??３：?ｆｏｒ?／?＝?２?；?／?Ｓ視頻巾貞數(shù)；？？?＋?＋??４：讀取下一幀圖像??５：根據(jù)公式（３．５）和公式（３．６）分別計(jì)算候選區(qū)域模型和巴氏系數(shù)ｐ??６：獲得目標(biāo)中心位置＝ａｒｇｍａｘ?ｒ?（少），ｔ］｝??２２??

【參考文獻(xiàn)】：
期刊論文
[1]基于生成式模型的目標(biāo)跟蹤方法綜述[J]. 朱文青,劉艷,卞樂(lè),張子龍.  微處理機(jī). 2017(01)
[2]基于集成多示例學(xué)習(xí)的Mean Shift跟蹤算法[J]. 羅會(huì)蘭,單順勇,孔繁勝.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2015(02)
[3]基于外觀模型學(xué)習(xí)的視頻目標(biāo)跟蹤方法綜述[J]. 張煥龍,胡士強(qiáng),楊國(guó)勝.  計(jì)算機(jī)研究與發(fā)展. 2015(01)
[4]聯(lián)合生成與判別模型的目標(biāo)檢測(cè)與跟蹤[J]. 劉倩,侯建華,牟海軍,趙巍,笪邦友.  中國(guó)圖象圖形學(xué)報(bào). 2013(10)
[5]智能視頻監(jiān)控技術(shù)綜述[J]. 李立仁,李少軍,劉忠領(lǐng).  中國(guó)安防. 2009(10)
[6]基于均值漂移算法和粒子濾波算法的目標(biāo)跟蹤[J]. 馬麗,常發(fā)亮,喬誼正.  模式識(shí)別與人工智能. 2006(06)
[7]一種改進(jìn)的基于顏色直方圖的實(shí)時(shí)目標(biāo)跟蹤算法[J]. 付永會(huì),張風(fēng)超,張憲民.  數(shù)據(jù)采集與處理. 2001(03)

碩士論文
[1]基于特征描述和色彩模型的目標(biāo)跟蹤算法研究[D]. 鐘華民.上海交通大學(xué) 2014



本文編號(hào)：2967185