基于孿生網(wǎng)絡(luò)的紅外行人目標(biāo)跟蹤方法研究
發(fā)布時(shí)間:2022-10-28 22:00
紅外行人跟蹤在夜間自動(dòng)駕駛和軍事偵察等領(lǐng)域具有重要意義。紅外視頻與普通彩色視頻相比易受周圍環(huán)境的影響,目標(biāo)的紋理特征和灰度分布常有較大幅度變化,進(jìn)而導(dǎo)致跟蹤困難,為此論文深入研究孿生網(wǎng)絡(luò),并將其用于紅外行人目標(biāo)跟蹤。論文深入分析了現(xiàn)有的目標(biāo)跟蹤算法,基于傳統(tǒng)算法的跟蹤效果較好的往往僅體現(xiàn)在幾種屬性上,基于深度學(xué)習(xí)的目標(biāo)跟蹤算法在跟蹤成功率和跟蹤精度上表現(xiàn)出了突出優(yōu)勢(shì)。論文將基于孿生網(wǎng)絡(luò)的跟蹤算法Siam RPN用于紅外行人跟蹤,并進(jìn)行了深入研究,經(jīng)仿真分析,在視頻出現(xiàn)相似熱源目標(biāo)交叉、目標(biāo)尺寸有較大變化和視頻中含有較多背景雜波等影響紅外跟蹤效果的因素出現(xiàn)時(shí),算法表現(xiàn)出了較差的跟蹤性能,這些因素均是紅外行人跟蹤視頻的常見(jiàn)屬性。針對(duì)存在的問(wèn)題,論文提出了一種基于視頻預(yù)測(cè)和孿生網(wǎng)絡(luò)的紅外行人跟蹤方法(Video Prediction with Siamese Region Proposal Network,VPSiam RPN)。提出的跟蹤方法將視頻預(yù)測(cè)網(wǎng)絡(luò)(Predictive Neural Network,Pred Net)與Siam RPN相結(jié)合。預(yù)測(cè)網(wǎng)絡(luò)可以通過(guò)多幀過(guò)去幀目標(biāo)圖像預(yù)判...
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究的目的和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 目標(biāo)跟蹤研究現(xiàn)狀
1.2.2 紅外行人目標(biāo)跟蹤研究現(xiàn)狀
1.2.3 基于孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法研究現(xiàn)狀
1.3 本文主要研究?jī)?nèi)容
第2章 孿生目標(biāo)跟蹤網(wǎng)絡(luò)
2.1 目標(biāo)跟蹤過(guò)程
2.2 孿生網(wǎng)絡(luò)
2.3 Siam RPN網(wǎng)絡(luò)
2.3.1 Siam RPN網(wǎng)絡(luò)整體結(jié)構(gòu)
2.3.2 區(qū)域建議網(wǎng)絡(luò)
2.3.3 網(wǎng)絡(luò)的訓(xùn)練
2.4 實(shí)驗(yàn)結(jié)果與分析
2.5 本章小結(jié)
第3章 基于視頻預(yù)測(cè)的紅外目標(biāo)跟蹤
3.1 視頻預(yù)測(cè)網(wǎng)絡(luò)
3.1.1 視頻預(yù)測(cè)網(wǎng)絡(luò)的整體結(jié)構(gòu)
3.1.2 卷積長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)
3.1.3 預(yù)測(cè)網(wǎng)絡(luò)的編碼和解碼
3.2 基于視頻預(yù)測(cè)的紅外行人跟蹤網(wǎng)絡(luò)
3.3 VPSiam RPN模型的配置
3.4 本章小結(jié)
第4章 紅外行人跟蹤實(shí)驗(yàn)及分析
4.1 PTB-TIR數(shù)據(jù)集
4.2 目標(biāo)跟蹤系統(tǒng)評(píng)價(jià)標(biāo)準(zhǔn)
4.3 實(shí)驗(yàn)結(jié)果分析
4.3.1 VPSiam RPN性能分析
4.4 VPSiam RPN與典型網(wǎng)絡(luò)的性能對(duì)比
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)成果
致謝
【參考文獻(xiàn)】:
期刊論文
[1]基于稀疏表示模型的紅外目標(biāo)跟蹤算法[J]. 唐崢遠(yuǎn),趙佳佳,楊杰,劉爾琦,周越. 紅外與激光工程. 2012(05)
[2]共生矩陣保局投影紅外人體目標(biāo)實(shí)時(shí)跟蹤方法[J]. 李建福,龔衛(wèi)國(guó),楊金妃. 紅外與激光工程. 2010(06)
[3]紅外圖像中人體實(shí)時(shí)檢測(cè)研究[J]. 王江濤,楊靜宇. 系統(tǒng)仿真學(xué)報(bào). 2007(19)
碩士論文
[1]基于聯(lián)合稀疏外觀建模的目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D]. 王星月.南京郵電大學(xué) 2016
本文編號(hào):3697363
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究的目的和意義
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.2.1 目標(biāo)跟蹤研究現(xiàn)狀
1.2.2 紅外行人目標(biāo)跟蹤研究現(xiàn)狀
1.2.3 基于孿生網(wǎng)絡(luò)的目標(biāo)跟蹤算法研究現(xiàn)狀
1.3 本文主要研究?jī)?nèi)容
第2章 孿生目標(biāo)跟蹤網(wǎng)絡(luò)
2.1 目標(biāo)跟蹤過(guò)程
2.2 孿生網(wǎng)絡(luò)
2.3 Siam RPN網(wǎng)絡(luò)
2.3.1 Siam RPN網(wǎng)絡(luò)整體結(jié)構(gòu)
2.3.2 區(qū)域建議網(wǎng)絡(luò)
2.3.3 網(wǎng)絡(luò)的訓(xùn)練
2.4 實(shí)驗(yàn)結(jié)果與分析
2.5 本章小結(jié)
第3章 基于視頻預(yù)測(cè)的紅外目標(biāo)跟蹤
3.1 視頻預(yù)測(cè)網(wǎng)絡(luò)
3.1.1 視頻預(yù)測(cè)網(wǎng)絡(luò)的整體結(jié)構(gòu)
3.1.2 卷積長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)
3.1.3 預(yù)測(cè)網(wǎng)絡(luò)的編碼和解碼
3.2 基于視頻預(yù)測(cè)的紅外行人跟蹤網(wǎng)絡(luò)
3.3 VPSiam RPN模型的配置
3.4 本章小結(jié)
第4章 紅外行人跟蹤實(shí)驗(yàn)及分析
4.1 PTB-TIR數(shù)據(jù)集
4.2 目標(biāo)跟蹤系統(tǒng)評(píng)價(jià)標(biāo)準(zhǔn)
4.3 實(shí)驗(yàn)結(jié)果分析
4.3.1 VPSiam RPN性能分析
4.4 VPSiam RPN與典型網(wǎng)絡(luò)的性能對(duì)比
4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)成果
致謝
【參考文獻(xiàn)】:
期刊論文
[1]基于稀疏表示模型的紅外目標(biāo)跟蹤算法[J]. 唐崢遠(yuǎn),趙佳佳,楊杰,劉爾琦,周越. 紅外與激光工程. 2012(05)
[2]共生矩陣保局投影紅外人體目標(biāo)實(shí)時(shí)跟蹤方法[J]. 李建福,龔衛(wèi)國(guó),楊金妃. 紅外與激光工程. 2010(06)
[3]紅外圖像中人體實(shí)時(shí)檢測(cè)研究[J]. 王江濤,楊靜宇. 系統(tǒng)仿真學(xué)報(bào). 2007(19)
碩士論文
[1]基于聯(lián)合稀疏外觀建模的目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D]. 王星月.南京郵電大學(xué) 2016
本文編號(hào):3697363
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3697363.html
最近更新
教材專著