視頻目標(biāo)跟蹤研究是機(jī)器視覺領(lǐng)域中的熱點(diǎn)問題,在計(jì)算機(jī)硬件、視頻監(jiān)控網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)理論發(fā)展的推動(dòng)下,已經(jīng)被廣泛地被應(yīng)用到民用和軍用各個(gè)領(lǐng)域。盡管研究者針對(duì)具體的實(shí)際問題提出了很多有效的視頻目標(biāo)跟蹤算法,但仍然面臨著很多具有挑戰(zhàn)性的困難,如嚴(yán)重部分遮擋、強(qiáng)烈光線變化、運(yùn)動(dòng)突變及其引發(fā)的運(yùn)動(dòng)模糊等,因此設(shè)計(jì)一種魯棒的、通用性強(qiáng)的視頻目標(biāo)跟蹤方法是亟待解決的重要性研究問題。本論文在基于群優(yōu)化算法的跟蹤方法框架下,對(duì)目標(biāo)跟蹤展開了深入研究,并對(duì)跟蹤過程中出現(xiàn)的部分挑戰(zhàn)性問題,提出了一些有效的跟蹤新方法:1.提出基于蟻獅優(yōu)化（Ant Lion Optimization,ALO）算法的目標(biāo)跟蹤方法。將一個(gè)新穎的群優(yōu)化方法——蟻獅優(yōu)化算法,作為搜索策略引入視覺跟蹤框架,并對(duì)該方法中參數(shù)的自適應(yīng)和靈敏度進(jìn)行了實(shí)驗(yàn)研究。實(shí)驗(yàn)表明,提出方法有較好的跟蹤結(jié)果,尤其在目標(biāo)發(fā)生突變運(yùn)動(dòng)的情況下。2.提出一種融合擴(kuò)展的布谷鳥搜索（Extended Cuckoo Search,ECS）算法與核相關(guān)濾波（Kernel Correlation Filtering,KCF）的跟蹤框架。針對(duì)KCF在跟蹤過程中,不能很好的適應(yīng)... 

【文章來源】：鄭州輕工業(yè)大學(xué)河南省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

輕微運(yùn)動(dòng)組定性圖

(c) HUMAN7圖 3-4 輕微運(yùn)動(dòng)組定性圖b. 一般運(yùn)動(dòng)組在輕微運(yùn)動(dòng)組之后，加大運(yùn)動(dòng)位移。在 JUMPING 序列中，最大位移為 36個(gè)像素，且由于人物的上下劇烈運(yùn)動(dòng)，幾乎每一幀圖像都是模糊、疊影的狀態(tài)，且由于視頻是人物跳繩運(yùn)動(dòng)，所以視頻幾乎全程保持著 15 個(gè)像素左右的運(yùn)動(dòng)。在這種情況下，有著 36 個(gè)像素運(yùn)動(dòng)位移的#96，ALO 和 CACF、LSST 仍然可以完全跟上目標(biāo)，其他的跟蹤器全部失敗了，當(dāng)運(yùn)動(dòng)到#276 時(shí)，CACF 丟失了目標(biāo)，而 ALO 雖然出現(xiàn)了稍微的偏差，但仍然堅(jiān)持鎖定目標(biāo)到了最后，執(zhí)行度最好的是 LSST 跟蹤器。部分跟蹤效果如圖 3-5（a）所示。

已經(jīng)不適應(yīng)了，盡管在后期由于目標(biāo)的運(yùn)動(dòng)趨勢(shì)，它們偶然的捕捉到了目標(biāo)，但對(duì)于視頻跟蹤的整體來說，仍是失敗的。在#52 時(shí)，目標(biāo)出現(xiàn)了相似目標(biāo)，ALO 也經(jīng)受住了考驗(yàn)，準(zhǔn)確的定位了目標(biāo)，總體結(jié)果來說，ALO 與 CSK 并排第一。部分跟蹤效果如圖 3-5（b）所示。FACE1 序列，其最大運(yùn)動(dòng)位移與DEER 序列基本一致，但視頻序列涉及到了扭曲和目標(biāo)尺寸變化，ALO 算法仍然能夠找到目標(biāo)。部分跟蹤效果如圖 3-5（c）所示。在一般運(yùn)動(dòng)組中，ALO 算法開始漸漸的顯示出它的優(yōu)勢(shì)，由輕微運(yùn)動(dòng)組到一般運(yùn)動(dòng)組，隨著目標(biāo)運(yùn)動(dòng)位移的增大，ALO 的執(zhí)行度排名開始逐步往上升。c. 大運(yùn)動(dòng)組大運(yùn)動(dòng)組中，視頻的最大位移均大于 50，這將是對(duì)各跟蹤器的進(jìn)一步考驗(yàn)。ZXJ 序列中，在#010 和#037 等圖像幀時(shí)，由于運(yùn)動(dòng)比較平緩，挑戰(zhàn)性較小，所有的跟蹤器都有著比較好的效果，能夠準(zhǔn)確的找到目標(biāo)，但在#69 時(shí)，目標(biāo)發(fā)生 70 個(gè)像素的大位移運(yùn)動(dòng)，只有 ALO 和 CACF 取得了好的效果。在ZXJ 視頻序列中，ALO 取得了第一名的好成績(jī)。部分跟蹤效果如圖 3-6（a）。

【參考文獻(xiàn)】：
期刊論文
[1]目標(biāo)跟蹤算法綜述[J]. 盧湖川,李佩霞,王棟.  模式識(shí)別與人工智能. 2018(01)
[2]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(yáng),安志勇.  自動(dòng)化學(xué)報(bào). 2016(06)
[3]智能視頻監(jiān)控技術(shù)綜述[J]. 黃凱奇,陳曉棠,康運(yùn)鋒,譚鐵牛.  計(jì)算機(jī)學(xué)報(bào). 2015(06)
[4]目標(biāo)跟蹤技術(shù)綜述[J]. 高文,朱明,賀柏根,吳笑天.  中國(guó)光學(xué). 2014(03)

博士論文
[1]智能交通監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究[D]. 崔雨勇.華中科技大學(xué) 2012



本文編號(hào)：3367988