目標(biāo)跟蹤是計(jì)算機(jī)視覺重要的研究方向之一,在航天、監(jiān)控、生物醫(yī)學(xué)等多種領(lǐng)域有著廣泛應(yīng)用。目標(biāo)跟蹤任務(wù)旨在實(shí)現(xiàn)對(duì)含有光照變化、遮擋等挑戰(zhàn)的視頻中指定目標(biāo)進(jìn)行持續(xù)地定位和自適應(yīng)標(biāo)注形狀。本文通過分析目標(biāo)跟蹤算法的研究現(xiàn)狀,針對(duì)如何提升粒子濾波跟蹤算法的精確度和如何對(duì)算法進(jìn)行加速兩個(gè)問題展開了深入研究。粒子濾波跟蹤算法的實(shí)質(zhì)是利用跟蹤器對(duì)每個(gè)采樣粒子依次進(jìn)行前景或背景的判斷,因此跟蹤器的判決能力是決定算法跟蹤性能的重要因素。本文提出了基于深度互學(xué)習(xí)的跟蹤算法,可以提高粒子濾波跟蹤器對(duì)目標(biāo)特征的提取能力和判別能力。首先,采用注意力機(jī)制來對(duì)采樣粒子進(jìn)行約束,通過在特征圖后添加注意力機(jī)制層,對(duì)干擾特征進(jìn)行抑制,從而提升跟蹤器對(duì)目標(biāo)特征的提取能力,解決跟蹤器在特征提取時(shí)過多關(guān)注背景和相似物體等干擾特征而忽略目標(biāo)本身特征的問題。其次,采用深度互學(xué)習(xí)方法來提升跟蹤器的泛化能力,通過在兩個(gè)初始化參數(shù)不同的網(wǎng)絡(luò)中引入Kullback-Leibler（KL）損失來改變網(wǎng)絡(luò)的概率輸出分布,將兩個(gè)網(wǎng)絡(luò)聯(lián)合訓(xùn)練提升網(wǎng)絡(luò)的泛化能力,同時(shí)利用兩個(gè)網(wǎng)絡(luò)學(xué)得的判別信息不同進(jìn)行互補(bǔ),提升網(wǎng)絡(luò)對(duì)目標(biāo)特征的判別能力。以上兩種方法共... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究意義及背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 目標(biāo)跟蹤的挑戰(zhàn)
    1.4 本文工作與結(jié)構(gòu)
        1.4.1 本文工作
        1.4.2 論文結(jié)構(gòu)
2 相關(guān)理論及算法
    2.1 深度卷積神經(jīng)網(wǎng)絡(luò)概述
        2.1.1 卷積網(wǎng)絡(luò)歷史背景
        2.1.2 卷積網(wǎng)絡(luò)架構(gòu)與特點(diǎn)
    2.2 粒子濾波卷積目標(biāo)跟蹤算法
    2.3 本章小結(jié)
3 基于深度互學(xué)習(xí)的粒子濾波跟蹤算法
    3.1 粒子濾波卷積神經(jīng)網(wǎng)絡(luò)跟蹤器
    3.2 訓(xùn)練粒子濾波跟蹤器
        3.2.1 注意力機(jī)制
        3.2.2 深度互學(xué)習(xí)訓(xùn)練
    3.3 在線目標(biāo)跟蹤
    3.4 在線模型更新
    3.5 本章小結(jié)
4 基于感興趣區(qū)域?qū)R采樣的粒子濾波跟蹤算法
    4.1 感興趣區(qū)域?qū)R采樣
    4.2 逐層知識(shí)蒸餾指導(dǎo)網(wǎng)絡(luò)
    4.3 在線目標(biāo)跟蹤與模型更新
    4.4 本章小結(jié)
5 實(shí)驗(yàn)分析
    5.1 評(píng)測(cè)數(shù)據(jù)庫(kù)介紹
    5.2 實(shí)驗(yàn)參數(shù)說明
    5.3 在OTB數(shù)據(jù)庫(kù)上的實(shí)驗(yàn)評(píng)估
        5.3.1 數(shù)據(jù)集和評(píng)估手段
        5.3.2 定量評(píng)估
        5.3.3 對(duì)比實(shí)驗(yàn)
        5.3.4 定性分析
    5.4 在VOT數(shù)據(jù)集上的實(shí)驗(yàn)評(píng)估
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)粒子濾波的稀疏子空間單目標(biāo)跟蹤算法[J]. 宮海洋,任紅格,史濤,李福進(jìn).  現(xiàn)代電子技術(shù). 2018(13)



本文編號(hào)：3456701