計算機視覺技術(shù)飛速發(fā)展,在日常生活中廣為應(yīng)用。目標跟蹤作為計算機視覺領(lǐng)域的重要分支,吸引了大量學(xué)者的關(guān)注和研究。目標跟蹤在智能監(jiān)控、自動駕駛、醫(yī)學(xué)圖像、軍事等許多領(lǐng)域展現(xiàn)了強大優(yōu)勢,相關(guān)算法研究成果層出不窮。早期的生成式模型跟蹤算法,以及近來的判別式模型跟蹤算法的提出過程中,目標跟蹤技術(shù)在性能上不斷突破。后者(即判別式模型跟蹤算法)包含的相關(guān)濾波的跟蹤算法兼顧速度與精度,因而備受矚目。雖然相關(guān)濾波以及其它目標跟蹤算法表現(xiàn)了較好的跟蹤效果,但針對復(fù)雜背景情形,即涉及尺度變化、光照變化、目標形變、背景混亂、快速運動等多種場景的跟蹤效果仍不理想。受自適應(yīng)尺度相關(guān)濾波器跟蹤算法(DSST)和空間正則相關(guān)濾波器(SRDCF)啟發(fā),本文從多相關(guān)濾波器檢測融合和多樣本結(jié)合訓(xùn)練角度出發(fā),在多場景的兼顧上尋求突破。主要工作包括:(1)針對快速運動和背景混亂等場景,本文提出了一種基于掩碼的相關(guān)濾波跟蹤算法。首先,對于相關(guān)濾波循環(huán)移位而引發(fā)的邊界效應(yīng)問題,本文根據(jù)首幀目標信息提取出的掩碼矩陣對訓(xùn)練好的相關(guān)濾波器進行處理。其次,對于背景混亂場景下容易出現(xiàn)目標漂移的問題,本文使用掩碼處理樣本,然后采用掩碼處理后...

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于判別式模型的跟蹤算法
        1.2.2 基于相關(guān)濾波跟蹤算法
    1.3 論文主要內(nèi)容
    1.4 論文主要結(jié)構(gòu)
第二章 相關(guān)濾波跟蹤算法基本框架
    2.1 引言
    2.2 相關(guān)濾波原理
    2.3 特征提取
        2.3.1 HOG特征
        2.3.2 CN顏色特征
        2.3.3 多特征融合
    2.4 DSST 目標跟蹤算法
        2.4.1 判別相關(guān)濾波器
        2.4.2 自適應(yīng)相關(guān)濾波器
    2.5 SRDCF 目標跟蹤算法
        2.5.1 空間正則化相關(guān)濾波器
        2.5.2 Gauss-Seidel優(yōu)化
    2.6 數(shù)據(jù)集與評價指標
    2.7 本章小結(jié)
第三章 基于掩碼的相關(guān)濾波跟蹤算法
    3.1 引言
    3.2 掩碼判別相關(guān)濾波器
        3.2.1 邊界效應(yīng)的緩解
        3.2.2 背景噪聲的抑制
        3.2.3 基于MDCF跟蹤算法
    3.3 實驗和結(jié)果
        3.3.1 實驗設(shè)置
        3.3.2 各種跟蹤器之間的比較
        3.3.3 基于場景的比較
    3.4 本章小結(jié)
第四章 擴展至多場景的邊界效應(yīng)抑制相關(guān)濾波跟蹤算法
    4.1 引言
    4.2 我們的方法
        4.2.1 適合多場景的跟蹤部件
        4.2.2 擴展至多場景的跟蹤器
        4.2.3 ADMM優(yōu)化求解
    4.3 實驗和結(jié)果
        4.3.1 實驗設(shè)置
        4.3.2 各種跟蹤器之間的比較
        4.3.3 基于場景的比較
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 未來展望
參考文獻
致謝
攻讀碩士學(xué)位期間取得的相關(guān)成果



本文編號：3972304