目標(biāo)檢測(cè)技術(shù)與目標(biāo)跟蹤技術(shù)都是視頻監(jiān)控領(lǐng)域研究的熱門(mén)方向,行人檢測(cè)技術(shù)是目標(biāo)檢測(cè)技術(shù)中一個(gè)關(guān)鍵的研究方向。目標(biāo)檢測(cè)技術(shù)與目標(biāo)跟蹤技術(shù)在當(dāng)今社會(huì)的各個(gè)方面都有著普遍的應(yīng)用。在當(dāng)今大數(shù)據(jù)時(shí)代的背景下,視頻監(jiān)控已經(jīng)逐漸普及,針對(duì)海量的視頻數(shù)據(jù),使用人工方式處理海量的數(shù)據(jù)是不現(xiàn)實(shí)的,因此,如何實(shí)現(xiàn)智能化的目標(biāo)檢測(cè)與目標(biāo)跟蹤是是極其重要的研究課題。本文提出了一個(gè)基于深度學(xué)習(xí)的行人檢測(cè)的框架。在該方法中首先使用一種優(yōu)化的PVANet網(wǎng)絡(luò)對(duì)給定的視頻序列生成對(duì)應(yīng)的特征圖,然后使用區(qū)域提議網(wǎng)絡(luò)來(lái)生成行人候選者以及對(duì)應(yīng)的分?jǐn)?shù),最后使用決策樹(shù)分類(lèi)器來(lái)完成分類(lèi)任務(wù),判斷生成的行人候選者是否是行人。本文提出的方法在加州理工學(xué)院的行人檢測(cè)數(shù)據(jù)集以及INRIA數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn),得到的實(shí)驗(yàn)結(jié)果證明了本文提出的行人目標(biāo)檢測(cè)框架的有效性。本文提出了一種上下文相關(guān)的基于相關(guān)濾波器的目標(biāo)跟蹤方法。該方法在基于相關(guān)濾波器的端到端的目標(biāo)跟蹤網(wǎng)絡(luò)中利用不同的判別相關(guān)濾波器分別進(jìn)行平移估計(jì)和尺度估計(jì),以提高跟蹤器對(duì)于目標(biāo)尺度變化的自適應(yīng)性;同時(shí),該方法在跟蹤器中結(jié)合全局上下文信息對(duì)目標(biāo)的位置進(jìn)行準(zhǔn)確的定位,以提高在背景比較復(fù)雜的... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

在VOT2017數(shù)據(jù)集上的不同方法的期望重疊

圖 4.4 在 VOT2017 數(shù)據(jù)集上的不同方法的期望重疊。圖 4.5 給出了本文所提出的上下文相關(guān)的基于相關(guān)濾波器的目標(biāo)跟蹤方法與其他方法準(zhǔn)確性-魯棒性曲線(xiàn)，由平均準(zhǔn)確性-魯棒性曲線(xiàn)可以看出本文的方法在平均準(zhǔn)確性上魯棒性上都是最優(yōu)的。平均準(zhǔn)確性以及平均魯棒性都是評(píng)價(jià)一個(gè)跟蹤算法的跟蹤性重要的評(píng)價(jià)指標(biāo)。


本文編號(hào)：3250672