【摘要】：近些年來,視覺目標跟蹤已經(jīng)成為計算機視覺中非常重要的研究方向之一。在一些常見的基于視頻序列的應(yīng)用,例如異常事件檢測,無人機控制等中,一個準確度高、穩(wěn)定性好、運行速度快的視覺目標跟蹤算法都是非常必要的。視覺目標跟蹤算法的主要任務(wù)是在給定待跟蹤目標后準確可靠地預(yù)測目標在后續(xù)圖像序列中的位置和大小。視覺目標跟蹤的主要難點則在于,給定的待跟蹤目標的形貌特征是任意的,而且正樣本數(shù)量非常有限。其次,待跟蹤目標的形貌會受到多個方面因素的干擾,比如光照變化,遮擋,旋轉(zhuǎn),變形等。這也要求視覺目標跟蹤算法具有更強的判別能力。針對視覺目標跟蹤中的正樣本少,目標形貌特征變化多的兩個難點,論文基于回歸模型和深度學(xué)習(xí)技術(shù),提出了四種針對特定目標跟蹤問題的視覺目標跟蹤算法。具體的,論文完成了以下四種視覺目標跟蹤算法的研究:首先,論文提出了一種基于結(jié)構(gòu)化相關(guān)濾波實現(xiàn)的回歸模型,用于對視覺目標的跟蹤。原始的相關(guān)濾波模型將目標整體作為輸入,對于目標被遮擋或者發(fā)生嚴重形變的情況,該算法無法很好的完成目標跟蹤。為解決這些問題,論文提出將目標分為結(jié)構(gòu)化的多個圖像塊,并自適應(yīng)地調(diào)整它們的權(quán)重,抑制遮擋部分對于目標定位的貢獻,實現(xiàn)對目標的準確跟蹤。同時,論文還提出基于目標 背景直方圖的目標增強模型,解決了目標發(fā)生形變時特征不明顯的問題。基于上述兩種方法,算法的跟蹤性能得到了顯著提高。受到當前流行的深度卷積網(wǎng)絡(luò)的啟發(fā),論文進一步提出將深度學(xué)習(xí)技術(shù)與回歸模型結(jié)合在一起,利用單層的卷積層網(wǎng)絡(luò)實現(xiàn)對回歸模型的求解,從而實現(xiàn)目標跟蹤。傳統(tǒng)的相關(guān)濾波算法可以實現(xiàn)對回歸模型的快速求解,但是其訓(xùn)練樣本包含大量額外背景信息,且樣本數(shù)量有限,不利于目標跟蹤。而該算法中的訓(xùn)練樣本基于滑動窗形式提取得到,因此不包含額外背景信息,且樣本數(shù)量得到極大提高,使得回歸模型具有更強的判別能力。該算法為視覺目標跟蹤領(lǐng)域提供了一種全新的基于卷積回歸模型的跟蹤算法,并且其跟蹤性能超越了大部分現(xiàn)有的基于相關(guān)濾波模型的跟蹤算法�；谡w目標訓(xùn)練得到的卷積回歸模型顯然無法很好地解決目標發(fā)生變形帶來的挑戰(zhàn),也無法快速地實現(xiàn)對目標大小的預(yù)測。因此,論文還設(shè)計一種層級式的卷積回歸模型,用于目標的定位和大小預(yù)測。該算法引入了一個基于局部紋理信息的卷積回歸模型,用于預(yù)測目標的前景。該紋理回歸模型可以很好地在目標發(fā)生變形或者旋轉(zhuǎn)時輔助對目標定位,提高跟蹤準確度。此外,論文還提出一種基于貝葉斯模型的最大后驗估計的方法,能夠利用目標的前景預(yù)測圖直接估計目標的大小,顯著提高了算法的運行速度,以及對目標大小預(yù)測的準確度。上述三種跟蹤算法都是基于監(jiān)督式回歸模型的,因此在跟蹤過程中,模型參數(shù)都必須在線更新,極大地降低了算法的運行速度。為了解決這一問題,論文還提出了一種基于雙通道卷積神經(jīng)網(wǎng)絡(luò)的視覺目標跟蹤算法。該卷積網(wǎng)絡(luò)模型接收兩個圖像塊作為輸入,并輸出一個二維的熱圖,用來指示目標在圖像中最可能出現(xiàn)的位置�；谶@樣的網(wǎng)絡(luò)設(shè)計,可以巧妙地將視覺目標跟蹤被轉(zhuǎn)化為一個求解目標相似度的問題。不同于以往的跟蹤算法,該模型只需要經(jīng)過一次離線學(xué)習(xí),就可以實現(xiàn)對任意目標的跟蹤,而且不需要額外的在線更新,因此其運行速度非�？�。相關(guān)實驗表明,該算法在取得有競爭力的跟蹤效果同時,能夠以每秒鐘45幀的速度實時運行。論文中提出的以上四種跟蹤算法分別從四個不同的角度出發(fā),將回歸模型與深度學(xué)習(xí)技術(shù)結(jié)合起來,解決了視覺目標跟蹤中的特定問題。論文還在多個流行的視覺目標跟蹤測試數(shù)據(jù)集上進行了充分的對比實驗。實驗結(jié)果顯示論文中提出的算法取得了良好的跟蹤性能。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 陳文慧;余思敏;賀杰;張子豪;李軍成;;基于2種回歸模型的大學(xué)生校園貸原因分析及對策探討[J];高師理科學(xué)刊;2018年11期

2 張莎;趙紅;;分層回歸與經(jīng)典回歸模型比較研究:以顧客資產(chǎn)驅(qū)動因素與忠誠意向的關(guān)系為例[J];數(shù)學(xué)的實踐與認識;2010年08期

3 胡暖;非運動回歸模型預(yù)測大學(xué)生最大攝氧量[J];山西師大體育學(xué)院學(xué)報;2004年04期

4 姜寶法;《Logistic回歸模型—方法與應(yīng)用》[J];預(yù)防醫(yī)學(xué)文獻信息;2002年05期

5 潘正義;用EXCEL解回歸問題[J];天津農(nóng)學(xué)院學(xué)報;1997年02期

6 田俊;;Cox回歸模型及其參數(shù)估計[J];福建醫(yī)學(xué)院學(xué)報;1987年02期

7 陳孝源;沈錦花;;新安江流域5—9月間汛期雨量預(yù)報的混合回歸模型[J];應(yīng)用概率統(tǒng)計;1987年04期

8 ;衛(wèi)生統(tǒng)計[J];中國婦幼衛(wèi)生雜志;1988年03期

9 馮可君 ,鄧瑞玲 ,張緒軍;一種多元單調(diào)回歸模型及其在地圖制圖中運用的一例[J];測繪學(xué)報;1988年03期

10 馬勤;建立最優(yōu)營運回歸模型[J];黑龍江財專學(xué)報;1988年03期

相關(guān)會議論文 前10條

1 張松松;沈競;;回歸模型和吉布斯抽樣的研究[A];第十屆中國不確定系統(tǒng)年會、第十四屆中國青年信息與管理學(xué)者大會論文集[C];2012年

2 強雁;羌維立;;基于線性回歸的建模方法——最小量化法[A];江蘇省現(xiàn)場統(tǒng)計研究會第八次學(xué)術(shù)年會論文集[C];2003年

3 張波;沈其君;;Logistic回歸模型中自變量相對重要性的可視化[A];2011年中國衛(wèi)生統(tǒng)計學(xué)年會會議論文集[C];2011年

4 林靜;韓玉啟;朱慧明;;一種多重Weibull回歸模型在競爭失效分析中的應(yīng)用[A];中國系統(tǒng)仿真學(xué)會第五次全國會員代表大會暨2006年全國學(xué)術(shù)年會論文集[C];2006年

5 李志林;尹建華;;MATLAB軟件在建立回歸模型中的應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

6 續(xù)秋霞;梅長林;;變系數(shù)回歸模型在我國極端溫度與平均溫度關(guān)系分析中的研究與應(yīng)用[A];中國現(xiàn)場統(tǒng)計研究會第十三屆學(xué)術(shù)年會論文集[C];2007年

7 吳利;張敏強;;固定效應(yīng)與隨機效應(yīng)回歸模型下效果量的置信區(qū)間、統(tǒng)計功效及樣本容量的確定的比較研究[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

8 宋濤;劉隨隨;白仲林;;面板數(shù)據(jù)動態(tài)平滑轉(zhuǎn)移回歸模型的間接推斷估計及其應(yīng)用[A];21世紀數(shù)量經(jīng)濟學(xué)（第13卷）[C];2012年

9 鄭典模;陳創(chuàng);屈海寧;;離子交換法制備硅溶膠工藝的優(yōu)化[A];2015年全國無機硅化物行業(yè)年會暨新常態(tài)行業(yè)發(fā)展研討會論文集[C];2015年

10 賴曉紅;;中職學(xué)生主觀幸福感影響因素研究[A];第二屆中青年心理衛(wèi)生學(xué)者學(xué)術(shù)研討會論文集[C];2009年

相關(guān)重要報紙文章 前2條

1 吳一福;我國建成人動脈血pH值與地理因素回歸模型[N];中國醫(yī)藥報;2007年

2 龍博;DCE大豆、豆粕期價的數(shù)理統(tǒng)計和回歸模型[N];期貨日報;2005年

相關(guān)博士學(xué)位論文 前10條

1 陳凱;基于深度學(xué)習(xí)和回歸模型的視覺目標跟蹤算法研究[D];華中科技大學(xué);2018年

2 康慧敏;基于隨機回歸模型的基因組選擇“一步”法研究[D];中國農(nóng)業(yè)大學(xué);2017年

3 左珊珊;Meta-回歸模型的統(tǒng)計診斷方法研究[D];云南財經(jīng)大學(xué);2018年

4 吳擰洪;時間序列中回歸模型的診斷檢驗[D];華東師范大學(xué);2007年

5 于揚;混頻數(shù)據(jù)回歸模型的建模理論、分析技術(shù)研究[D];東北財經(jīng)大學(xué);2016年

6 張仕光;噪聲特性的回歸模型及其在短期風(fēng)速預(yù)報中的應(yīng)用[D];河北師范大學(xué);2014年

7 陳永偉;似無關(guān)回歸模型及其應(yīng)用研究[D];華中科技大學(xué);2008年

8 田茂再;回歸模型的診斷理論與應(yīng)用[D];南開大學(xué);2001年

9 孟瑞鋒;基于不同超聲信號變換的食品溶液濃度檢測研究[D];浙江大學(xué);2012年

10 包姣;基于深度神經(jīng)網(wǎng)絡(luò)的回歸模型及其應(yīng)用研究[D];電子科技大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 傅婷;邊際回歸模型的改進二次推斷函數(shù)估計[D];蘇州大學(xué);2018年

2 謝杰;SGL門檻回歸模型及其在股票分析中的應(yīng)用[D];暨南大學(xué);2018年

3 吳丹;基于可加回歸模型的AQI時序特征分析[D];內(nèi)蒙古大學(xué);2018年

4 于媛媛;logistic回歸模型在流行病學(xué)病因分析中的偏性及其改進策略研究[D];山東大學(xué);2018年

5 丁改云;金融發(fā)展減緩多維貧困的門檻特征和空間溢出效應(yīng)研究[D];西北大學(xué);2018年

6 齊樂;基于MCMC方法的參數(shù)生存回歸模型的貝葉斯估計[D];大連理工大學(xué);2018年

7 繆繼華;基于支持向量回歸模型的序列采樣方法研究[D];華中科技大學(xué);2017年

8 張?zhí)?基于累積Logistic回歸模型的霧霾天氣概率估計研究[D];華北電力大學(xué)(北京);2018年

9 趙卉;非線性期望空間均值不確定下參數(shù)估計的實現(xiàn)與應(yīng)用研究[D];山東大學(xué);2018年

10 張紅;加速失效回歸模型基于廣義指數(shù)分布的統(tǒng)計推斷[D];長春工業(yè)大學(xué);2017年

，

本文編號：2705083