視覺目標(biāo)跟蹤是計(jì)算機(jī)視覺的一個(gè)重要組成部分,被廣泛應(yīng)用于視頻監(jiān)控、人機(jī)交互、導(dǎo)航定位、軍事和航天等領(lǐng)域。在計(jì)算機(jī)視覺領(lǐng)域,許多圖像分析方法讓機(jī)器接近達(dá)到了人類的水平,在此基礎(chǔ)上,研究者們開始關(guān)注視頻信息處理與分析。目標(biāo)跟蹤能夠?qū)⒁曨l數(shù)據(jù)結(jié)構(gòu)化,并分析視頻中信息的連續(xù)變化規(guī)律。目標(biāo)跟蹤的發(fā)展對視頻領(lǐng)域的發(fā)展有推動作用。目標(biāo)跟蹤主要研究的是對未知場景未知目標(biāo),給定初始幀中目標(biāo)狀態(tài),預(yù)測接下來每一幀中目標(biāo)狀態(tài)的理論和方法。跟蹤場景和目標(biāo)是多樣的,且隨時(shí)間變化,目標(biāo)跟蹤方法需要具備魯棒性和自適應(yīng)性,能用于各種復(fù)雜環(huán)境,能適應(yīng)目標(biāo)與環(huán)境隨時(shí)間的變化。另外,為了實(shí)際應(yīng)用目標(biāo)跟蹤方法,要求其具備實(shí)時(shí)性。目標(biāo)跟蹤過程中會遇到的主要挑戰(zhàn)有光照變化、尺度變化、遮擋、形變、運(yùn)動模糊、快速運(yùn)動、內(nèi)平面旋轉(zhuǎn)、外平面旋轉(zhuǎn)、出視場、背景干擾和低分辨率等。目標(biāo)跟蹤算法的流程一般包括運(yùn)動模型、特征提取、觀測模型和跟蹤預(yù)測四個(gè)步驟。運(yùn)動模型是預(yù)測目標(biāo)在新一幀可能出現(xiàn)的位置,生成候選目標(biāo)集。特征提取是提取目標(biāo)及候選目標(biāo)的特征,描述物體信息。觀測模型是評估候選目標(biāo)與目標(biāo)的匹配程度。跟蹤預(yù)測是用觀測的結(jié)果預(yù)測目標(biāo)狀態(tài)。對于跟蹤... 

【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)】：144 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景和意義
    1.2 視覺目標(biāo)跟蹤研究現(xiàn)狀
        1.2.1 目標(biāo)跟蹤發(fā)展階段
        1.2.2 產(chǎn)生式方法
        1.2.3 判別式方法
        1.2.4 基于深度學(xué)習(xí)的方法
        1.2.5 目標(biāo)跟蹤中背景信息的抑制和利用
        1.2.6 研究現(xiàn)狀總結(jié)
    1.3 目標(biāo)跟蹤面臨的挑戰(zhàn)
        1.3.1 環(huán)境與目標(biāo)的挑戰(zhàn)
        1.3.2 背景信息抑制與利用的挑戰(zhàn)
        1.3.3 跟蹤環(huán)節(jié)中的挑戰(zhàn)
    1.4 本文研究內(nèi)容
    1.5 本文組織結(jié)構(gòu)
第2章 目標(biāo)與背景協(xié)同建模的長-短期運(yùn)動模型
    2.1 引言
    2.2 相關(guān)工作介紹
    2.3 目標(biāo)與背景協(xié)同建模的跟蹤方法框架
        2.3.1 目標(biāo)表示
        2.3.2 背景表示
        2.3.3 KCF更新
    2.4 短期運(yùn)動模型和長期運(yùn)動模型
        2.4.1 目標(biāo)與背景協(xié)同建模的短期運(yùn)動模型
        2.4.2 長期運(yùn)動模型重檢測
    2.5 實(shí)驗(yàn)結(jié)果與分析
        2.5.1 TBKCF特點(diǎn)實(shí)驗(yàn)與分析
        2.5.2 總體性能實(shí)驗(yàn)比較與分析
    2.6 本章小結(jié)
第3章 結(jié)構(gòu)性優(yōu)化卷積網(wǎng)絡(luò)的目標(biāo)與背景特征提取方法
    3.1 引言
    3.2 基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤框架
    3.3 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化方法
        3.3.1 通道選擇的主成分分析降維方法
        3.3.2 卷積網(wǎng)絡(luò)通道裁剪
        3.3.3 單樣本權(quán)值重建
    3.4 多層網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化的跟蹤模型
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)環(huán)境設(shè)置
        3.5.2 結(jié)構(gòu)性優(yōu)化方法性能評估
        3.5.3 與先進(jìn)方法比較
    3.6 本章小結(jié)
第4章 多層背景自適應(yīng)相關(guān)濾波觀測模型
    4.1 引言
    4.2 相關(guān)工作
    4.3 多層背景自適應(yīng)相關(guān)濾波跟蹤框架
    4.4 多層背景自適應(yīng)觀測模型
        4.4.1 上下文金字塔表示方法
        4.4.2 上下文自適應(yīng)空間窗
        4.4.3 多層自適應(yīng)目標(biāo)跟蹤方法
    4.5 實(shí)驗(yàn)結(jié)果與分析
        4.5.1 實(shí)驗(yàn)環(huán)境設(shè)置
        4.5.2 多層背景自適應(yīng)相關(guān)濾波性能評估
        4.5.3 與先進(jìn)方法比較
    4.6 本章小結(jié)
第5章 基于背景中輔助目標(biāo)的跟蹤預(yù)測方法
    5.1 引言
    5.2 目標(biāo)跟蹤模型與輔助目標(biāo)跟蹤模型
        5.2.1 目標(biāo)跟蹤模型
        5.2.2 基于輔助目標(biāo)的目標(biāo)跟蹤模型
    5.3 基于輔助目標(biāo)的目標(biāo)跟蹤方法
        5.3.1 輔助目標(biāo)提取與跟蹤
        5.3.2 用輔助目標(biāo)對目標(biāo)預(yù)測
        5.3.3 輔助目標(biāo)與目標(biāo)跟蹤器的預(yù)測融合
        5.3.4 輔助目標(biāo)參數(shù)更新
        5.3.5 基于輔助目標(biāo)的目標(biāo)跟蹤算法
        5.3.6 計(jì)算復(fù)雜度分析
    5.4 實(shí)驗(yàn)結(jié)果與分析
        5.4.1 輔助目標(biāo)跟蹤方法特點(diǎn)實(shí)驗(yàn)與分析
        5.4.2 跟蹤性能對比實(shí)驗(yàn)與分析
    5.5 本章小結(jié)
第6章 目標(biāo)跟蹤中背景信息抑制與利用方法分析
    6.1 引言
    6.2 總體跟蹤性能比較
    6.3 目標(biāo)跟蹤中背景信息的抑制方法特點(diǎn)分析
    6.4 目標(biāo)跟蹤中背景信息的利用方法特點(diǎn)分析
    6.5 MCAT方法在校園視頻監(jiān)控中的應(yīng)用
    6.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄 A多層自適應(yīng)目標(biāo)跟蹤公式推導(dǎo)
    A.1 式(4-11)的推導(dǎo)
攻讀博士學(xué)位期間發(fā)表的論文及其他成果
致謝
個(gè)人簡歷


【參考文獻(xiàn)】：
期刊論文
[1]融合顏色與時(shí)空上下文信息的實(shí)時(shí)目標(biāo)跟蹤算法[J]. 陳曉書,胡則熙,高月芳,田緒紅.  小型微型計(jì)算機(jī)系統(tǒng). 2017(03)
[2]基于高斯尺度空間的核相關(guān)濾波目標(biāo)跟蹤算法[J]. 譚舒昆,劉云鵬,李義翠.  計(jì)算機(jī)工程與應(yīng)用. 2017(01)
[3]基于置信圖特性的改進(jìn)時(shí)空上下文目標(biāo)跟蹤[J]. 張雷,于鳳芹.  計(jì)算機(jī)工程. 2016(08)
[4]分塊核化相關(guān)濾波目標(biāo)跟蹤[J]. 段偉偉,楊學(xué)志,方帥,鄭鑫,李國強(qiáng).  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(07)
[5]相關(guān)濾波目標(biāo)跟蹤算法研究[J]. 顧培婷,黃德天,柳培忠,黃煒欽,汪鴻翔.  海峽科學(xué). 2016(07)
[6]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(bào). 2016(06)
[7]改進(jìn)核相關(guān)濾波的運(yùn)動目標(biāo)跟蹤算法[J]. 邢運(yùn)龍,李艾華,崔智高,方浩.  紅外與激光工程. 2016(S1)
[8]選擇性搜索和多深度學(xué)習(xí)模型融合的目標(biāo)跟蹤[J]. 鐘必能,潘勝男.  華僑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(02)
[9]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)
[10]在線加權(quán)多示例學(xué)習(xí)實(shí)時(shí)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)



本文編號：3585383