發(fā)布時間：2021-08-18 10:36

　　首先,本文提出一種新的基于相關濾波以及深度孿生網絡的魯棒長程視頻跟蹤算法。該算法能有效對長視頻中存在的目標長時間遮擋、快速運動、消失視野等挑戰(zhàn)進行處理。當目標經歷長時間遮擋又重新出現在視頻中時,本文所提算法通過離線訓練好的深度孿生網絡,使用模板相似度匹配來進行目標的重檢測,從而得到高質量的目標候選區(qū)域。為了篩選得到正確的目標區(qū)域,本文提出了一種有效的多專家評估機制,來篩選得到置信度最高的目標區(qū)域。本文所提出的長程視頻跟蹤算法在當前幾個主流的跟蹤數據集上均取得了較為優(yōu)異的跟蹤結果。其次,針對基于相關濾波的深度視頻跟蹤算法所使用的深度特征復雜度高,針對性不強等問題,本文提出了一種基于深淺層特征學習網絡（Deep and Shallow feature learning Network,簡稱DSNet）的高效視頻跟蹤算法。該特征學習網絡能同時編碼目標淺層以及深層信息,以端到端的形式學習得到統(tǒng)一分辨率且低維的特征。學習得到的特征能有效應用在當前任意基于相關濾波的視頻跟蹤框架中,且無需進行任何在線的微調或改變。此外,基于目標區(qū)域關于背景區(qū)域在特征圖上的激活比,本文提出了特征通道置信度評價方法（C... 

【文章來源】：廈門大學福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：120 頁

【學位級別】：碩士

【部分圖文】：

圖１．１單目標視頻跟蹤任務示意圖

圖１．２?ＯＴＢ－２０１５數據集中存在的目標遮擋、消失視野、形變、光照變化、旋轉以及運動??模糊等挑戰(zhàn)舉例

圖１．３?ＯＴＢ－２０１５數據集中存在的目標低分辨率、背景嘈雜、尺度變化以及快速運動等挑??

【參考文獻】：
期刊論文
[1]深度學習相關研究綜述[J]. 張軍陽,王慧麗,郭陽,扈嘯.  計算機應用研究. 2018(07)
[2]深度學習應用技術研究[J]. 毛勇華,桂小林,李前,賀興時.  計算機應用研究. 2016(11)
[3]深度學習研究綜述[J]. 尹寶才,王文通,王立春.  北京工業(yè)大學學報. 2015(01)
[4]目標跟蹤技術綜述[J]. 高文,朱明,賀柏根,吳笑天.  中國光學. 2014(03)



本文編號：3349730