目前,伴隨著復(fù)雜的應(yīng)用環(huán)境和嚴(yán)苛的技術(shù)要求,目標(biāo)跟蹤技術(shù)需要不斷地改進(jìn)。其中,目標(biāo)特征的提取是跟蹤技術(shù)中一個重要的改進(jìn)方向。從簡單特征到復(fù)雜特征,從單一特征到多特征,不斷地優(yōu)化特征對目標(biāo)外觀的表達(dá)能力。本文以相關(guān)濾波框架為理論基礎(chǔ),重點關(guān)注跟蹤過程中的特征選擇問題,同時兼顧算法實時性與魯棒性的要求,結(jié)合多種相關(guān)濾波目標(biāo)跟蹤算法開展研究工作。具體研究內(nèi)容及創(chuàng)新點概括如下:（1）針對單一顏色特征在復(fù)雜的跟蹤場景中無法兼顧局部與全局信息而造成跟蹤漂移或失敗的問題,提出了一種以相關(guān)濾波跟蹤算法為框架的雙顏色特征融合目標(biāo)跟蹤方法。首先,在相關(guān)濾波跟蹤框架下提取目標(biāo)的顏色直方圖和自適應(yīng)顏色降維（CN）特征,并求解出不同特征的響應(yīng);然后,提出一種新的特征響應(yīng)融合策略,通過相鄰幀目標(biāo)中心的距離關(guān)系,來自適應(yīng)特征響應(yīng)融合時的權(quán)重,減少在響應(yīng)融合階段的調(diào)參工作,增加算法的性能。（2）針對雙顏色算法在光照變化、快速運(yùn)動、背景干擾等場景中魯棒性差的問題,在雙顏色特征的基礎(chǔ)上引入梯度直方圖（HOG）特征,提出一種三特征融合跟蹤算法。采用多種特征融合的方式,豐富了目標(biāo)外觀的特征表示,提高了算法的跟蹤精度。為了滿足... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

跟蹤任務(wù)中的主要挑戰(zhàn)1.4目標(biāo)跟蹤系統(tǒng)的框架

第 1 章 緒 論時間。整合后處理器，如果跟蹤系統(tǒng)包括多個跟蹤器，需要通過整合后處理器對每個跟蹤器的結(jié)果進(jìn)行分析整合，確定最終的輸出。每個部分在跟蹤任務(wù)中承擔(dān)了不同的任務(wù)，且每個部分都可以作為一個獨(dú)立的部分對其進(jìn)行研究和改進(jìn)，從而增加算法的跟蹤性能。為了方便對目標(biāo)跟蹤系統(tǒng)的學(xué)習(xí)和理解，繪制系統(tǒng)的整體流程圖，如圖 1-2 所示。

并尋找響應(yīng)的最大值確定下一幀目標(biāo)中心位置。在訓(xùn)練相關(guān)濾波器過程中，可以采用稠密采樣或稀疏采樣。一般為了跟蹤算法的實時性不得不采用稀疏采樣，通過隨機(jī)提取目標(biāo)周圍的少數(shù)候選樣本來訓(xùn)練濾波器，這是以犧牲算法性能為代價來換取的在線訓(xùn)練與實時的跟蹤。隨著學(xué)者們的深入研究，通過引入循環(huán)矩陣能夠構(gòu)造出豐富的候選樣本，使得訓(xùn)練樣本由稀疏變?yōu)槌砻�，極大的增加了算法的性能，同時也降低了訓(xùn)練相關(guān)濾波器所花費(fèi)的時間[22]。為進(jìn)一步增加相關(guān)濾波器的跟蹤性能，通過將特征樣本映射到高維空間，使得樣本更易區(qū)分。但高維的特征樣本極大的增加了算法的計算復(fù)雜度，為了降低相關(guān)濾波跟蹤算法的計算復(fù)雜度，通過引入核技巧來計算花費(fèi)，使得高維的計算花費(fèi)能夠與線性計算相似。在更新相關(guān)濾波器的過程中，目標(biāo)通常會出現(xiàn)不同程度的外觀變化，包括尺度大小、姿態(tài)變化、光照的不同以及遮擋等等。因此，相關(guān)濾波器需要快速適應(yīng)當(dāng)前幀目標(biāo)外觀的變化。通過設(shè)置學(xué)習(xí)率參數(shù)，可以使得最近幀的目標(biāo)外觀占據(jù)主導(dǎo)的地位，而先前幀的目標(biāo)外觀的影響會隨著時間呈現(xiàn)指數(shù)下降。

【參考文獻(xiàn)】：
期刊論文
[1]目標(biāo)跟蹤算法綜述[J]. 盧湖川,李佩霞,王棟.  模式識別與人工智能. 2018(01)
[2]深度學(xué)習(xí)在視頻目標(biāo)跟蹤中的應(yīng)用進(jìn)展與展望[J]. 管皓,薛向陽,安志勇.  自動化學(xué)報. 2016(06)
[3]增量深度學(xué)習(xí)目標(biāo)跟蹤[J]. 程帥,孫俊喜,曹永剛,趙立榮.  光學(xué)精密工程. 2015(04)
[4]在線加權(quán)多示例學(xué)習(xí)實時目標(biāo)跟蹤[J]. 陳東成,朱明,高文,孫宏海,楊文波.  光學(xué)精密工程. 2014(06)
[5]基于粒子濾波的空-地目標(biāo)跟蹤算法[J]. 宋策,張葆,尹傳歷,王超.  光電子.激光. 2013(10)
[6]用Roberts算子進(jìn)行邊緣處理[J]. 王冰.  甘肅科技. 2008(10)
[7]視覺跟蹤技術(shù)綜述[J]. 侯志強(qiáng),韓崇昭.  自動化學(xué)報. 2006(04)
[8]目標(biāo)跟蹤方法綜述[J]. 邵文坤,黃愛民,韋慶.  影像技術(shù). 2006(01)
[9]基于Laplacian算子的一種新的邊緣檢測方法[J]. 呂俊白.  小型微型計算機(jī)系統(tǒng). 2002(09)

博士論文
[1]基于計算機(jī)視覺的運(yùn)動目標(biāo)跟蹤算法研究[D]. 尹宏鵬.重慶大學(xué) 2009



本文編號：3289422