發(fā)布時間：2021-01-10 14:46

　　視頻目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域的一個重要研究方向。它的任務(wù)是在給定目標(biāo)物體的起始位置與尺寸的情況下,準(zhǔn)確地判斷該目標(biāo)物在接下來視頻幀中的位置和尺寸。現(xiàn)在,先進(jìn)的目標(biāo)跟蹤算法被廣泛應(yīng)用于多個工業(yè)領(lǐng)域,包括機(jī)器人導(dǎo)航、視覺增強(qiáng)、視頻監(jiān)控等。然而,盡管在過去的數(shù)十年中目標(biāo)跟蹤領(lǐng)域飛速發(fā)展并取得了一些顯著的研究成果,現(xiàn)有的目標(biāo)檢測算法在復(fù)雜場景中的表現(xiàn)仍然欠佳。因此,研究抗干擾能力強(qiáng)、高效健壯的跟蹤算法依然是亟待完成的工作。在復(fù)雜場景的視頻目標(biāo)跟蹤過程中,有三個主要問題會導(dǎo)致當(dāng)前的目標(biāo)跟蹤算法無法準(zhǔn)確地找到目標(biāo)。第一,嚴(yán)重遮擋導(dǎo)致跟蹤結(jié)果惡化。這是因為當(dāng)前算法多依賴于連續(xù)的在線更新過程,長期、嚴(yán)重的對目標(biāo)物體的遮擋會使得當(dāng)前算法的外觀模型傾向于學(xué)習(xí)并表達(dá)關(guān)于遮擋物的特征,繼而導(dǎo)致跟蹤結(jié)果變差。第二,目標(biāo)物體產(chǎn)生劇烈形變導(dǎo)致跟蹤結(jié)果惡化。這是由于當(dāng)前算法所建立的外觀模型無法較好地表達(dá)目標(biāo)物發(fā)生剛體或非剛體形變后的狀態(tài),故極易跟蹤到外觀相似的物體上,甚至徹底丟失目標(biāo)物體。第三,跟蹤器發(fā)生漂移導(dǎo)致跟蹤結(jié)果惡化。這是由于跟蹤器易受環(huán)境噪聲的影響,其輸出結(jié)果相對正確的目標(biāo)物體狀態(tài)發(fā)生了偏移,而這一偏移量會... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：137 頁

【學(xué)位級別】：博士

【部分圖文】：

TRM模型改進(jìn)候選框失效的分析


本文編號：2968894