目標(biāo)跟蹤技術(shù)是計(jì)算機(jī)視覺領(lǐng)域中非常關(guān)鍵的一項(xiàng)技術(shù),主要應(yīng)用在重要的公共場所,如機(jī)場、車站、銀行、地鐵等,進(jìn)行安防。純目標(biāo)跟蹤算法跟蹤精度很低,達(dá)不到真實(shí)的跟蹤效果。隨著近幾年大數(shù)據(jù)的爆發(fā),數(shù)據(jù)量呈指數(shù)增長,開始出現(xiàn)了不依賴于純目標(biāo)跟蹤的算法�；谏疃葘W(xué)習(xí)的目標(biāo)檢測算法精度越來越高,現(xiàn)在主流的目標(biāo)跟蹤的解決辦法是采用基于檢測的跟蹤,也就是在高精度目標(biāo)檢測的基礎(chǔ)上,對目標(biāo)進(jìn)行預(yù)測,從而達(dá)到有精度有速度的跟蹤。按照這種研究思路,本文提出目標(biāo)跟蹤、人臉檢測和人臉識別的融合算法,取得了速度和精度上的優(yōu)勢。對卡爾曼濾波和粒子濾波進(jìn)行了對比研究,比較了相應(yīng)的跟蹤算法的性能。在對卡爾曼濾波的算法流程分析的基礎(chǔ)上,對卡爾曼濾波算法與深度學(xué)習(xí)目標(biāo)檢測算法Yolov3-tiny進(jìn)行了實(shí)驗(yàn)。又對粒子濾波的算法流程進(jìn)行分析,進(jìn)行了相同的算法實(shí)驗(yàn)。從實(shí)驗(yàn)結(jié)果容易看出,卡爾曼濾波的跟蹤精度不好,跟蹤曲線一直振蕩;而粒子濾波的跟蹤精度高,跟蹤曲線穩(wěn)定。詳細(xì)分析了基于深度學(xué)習(xí)的人臉檢測算法MTCNN,給出了具體的算法流程并進(jìn)行了仿真實(shí)驗(yàn)。分析和實(shí)驗(yàn)表明,這個(gè)2016年提出的人臉檢測算法非常有效,而且達(dá)到實(shí)時(shí)檢測效果。提... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 國內(nèi)外文獻(xiàn)綜述及簡析
    1.4 本文的主要研究內(nèi)容
第2章 多目標(biāo)跟蹤
    2.1 引言
    2.2 視頻跟蹤問題描述
    2.3 卡爾曼濾波跟蹤
        2.3.1 卡爾曼濾波
        2.3.2 卡爾曼濾波與檢測結(jié)合實(shí)驗(yàn)
    2.4 粒子濾波跟蹤
        2.4.1 粒子濾波
        2.4.2 粒子濾波與檢測結(jié)合實(shí)驗(yàn)
    2.5 本章小結(jié)
第3章 人臉檢測
    3.1 引言
    3.2 基于多任務(wù)級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測算法
        3.2.1 算法結(jié)構(gòu)
        3.2.2 損失函數(shù)
        3.2.3 非極大值抑制
    3.3 人臉檢測實(shí)驗(yàn)
    3.4 本章小結(jié)
第4章 人臉識別
    4.1 引言
    4.2 人臉驗(yàn)證和識別
    4.3 損失函數(shù)
        4.3.1 度量損失函數(shù)
        4.3.2 分類損失函數(shù)
    4.4 基于邊距余弦損失的人臉識別算法
    4.5 帶約束的自適應(yīng)邊距損失
    4.6 本章小結(jié)
第5章 人臉跟蹤
    5.1 引言
    5.2 人臉跟蹤算法
    5.3 人臉跟蹤實(shí)驗(yàn)
        5.3.1 普通人臉跟蹤實(shí)驗(yàn)
        5.3.2 異常人臉跟蹤實(shí)驗(yàn)
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝



本文編號：3207601