目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一。雖然針對目標(biāo)跟蹤問題已經(jīng)提出大量理論和算法,但由于所應(yīng)用的實(shí)際場景復(fù)雜多樣,有效提高目標(biāo)跟蹤算法的魯棒性仍是一個(gè)具有挑戰(zhàn)性的問題。尺度相關(guān)濾波跟蹤算法（Discriminative Scale Space Tracking,DSST）作為一種主流跟蹤算法,得到廣泛的應(yīng)用。但是由于DSST采用的人工特征無法捕捉目標(biāo)的語義信息,對目標(biāo)的描述能力難以滿足跟蹤過程中復(fù)雜環(huán)境的變化,在復(fù)雜場景下容易出現(xiàn)目標(biāo)跟蹤失敗的問題。本文提出利用卷積神經(jīng)網(wǎng)絡(luò)的多層卷積特征來提高DSST算法目標(biāo)跟蹤的魯棒性。主要工作如下:1.研究了卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論及基于模型VGG-19的特征提取。對基于深度模型VGG-19提取的分層特征進(jìn)行了深入的分析。網(wǎng)絡(luò)中各層特征反映的信息成分不同,低層特征圖分辨率高包含更多細(xì)節(jié)信息,高層特征圖分辨率低但能提取更多語義信息。通過實(shí)驗(yàn)分析選擇最優(yōu)的卷積層特征響應(yīng)圖進(jìn)行融合,以便獲得更有效的特征表達(dá)能力。2.提出一種基于多層卷積特征融合的自適應(yīng)相關(guān)濾波跟蹤算法。通過將尺度空間相關(guān)濾波算法與多層卷積特征相結(jié)合,基于融合多層的卷積特征估計(jì)目標(biāo)位置,基... 

【文章來源】：山東科技大學(xué)山東省

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１．１目標(biāo)跟蹤應(yīng)用領(lǐng)域??Ｆｉｇ．?１．１?Ａｐｐｌｉｃａｔｉｏｎ?ｆｉｅｌｄｓ?ｏｆ?ｏｂｊｅｃｔ?ｔｒａｃｋｉｎｇ??

?緒論??益增加，因此對目標(biāo)跟蹤算法的研宄具有確切的理論意義和應(yīng)用價(jià)值。圖１．１??為目標(biāo)跟蹤技術(shù)常見的應(yīng)用領(lǐng)域。??泰墨、：，＇ｒ?？??（ａ）智能視頻監(jiān)控?（ｂ）智能交通系統(tǒng)?（ｃ）軍事應(yīng)用??ｒ??（ｄ）人機(jī)交互?（ｅ）無人駕駛??圖１．１目標(biāo)跟蹤應(yīng)用領(lǐng)域??Ｆｉｇ．?１．１?Ａｐｐｌｉｃａｔｉｏｎ?ｆｉｅｌｄｓ?ｏｆ?ｏｂｊｅｃｔ?ｔｒａｃｋｉｎｇ??１．２目標(biāo)跟蹤算法面臨的挑戰(zhàn)??目標(biāo)跟蹤問題經(jīng)過長期以來的發(fā)展，己經(jīng)涌現(xiàn)出大量優(yōu)秀的理論和算法，??但是在實(shí)際應(yīng)用中由于受到各種環(huán)境的影響，在準(zhǔn)確性和實(shí)時(shí)性上還無法滿足??實(shí)際的應(yīng)用需求，有效提高目標(biāo)跟蹤算法的魯棒性仍是一個(gè)具有挑戰(zhàn)性的問題??［５］〇??目標(biāo)跟蹤領(lǐng)域面臨的主要技術(shù)難點(diǎn)包括??（１）形態(tài)變化：由于攝像頭角度變化或與目標(biāo)相對運(yùn)動(dòng)距離發(fā)生變化時(shí)，目??標(biāo)形狀、外觀和大小容易發(fā)生改變。對于圖１．６（ａ）的剛性物體，目標(biāo)運(yùn)動(dòng)過程中??出現(xiàn)多次旋轉(zhuǎn)。對于圖１．６（ｂ）的非剛性物體，人在運(yùn)動(dòng)過程中產(chǎn)生肢體形狀的改??變。另外圖１．６（ｃ）中的目標(biāo)在運(yùn)動(dòng)過程中尺度發(fā)生顯著變化

２．１目標(biāo)跟蹤系統(tǒng)框架??目標(biāo)跟蹤實(shí)際上就是通過分析視頻序列的首幀圖像信息，從而估計(jì)場景中??目標(biāo)的運(yùn)動(dòng)軌跡。圖２．１顯示了一般性目標(biāo)跟蹤系統(tǒng)的流程及框架。整體上可以??分為視頻輸入、運(yùn)動(dòng)模型、特征提取、外觀模型、預(yù)測狀態(tài)和模型更新幾個(gè)步??驟。對于輸入視頻序列，首先通過第一幀進(jìn)行目標(biāo)初始化，獲取待跟蹤目標(biāo)的??初始狀態(tài)（位置和大�。�，一般由矩形框進(jìn)行標(biāo)定。利用運(yùn)動(dòng)模型在目標(biāo)周圍??進(jìn)行搜索或采樣，獲取目標(biāo)正負(fù)樣本集。目標(biāo)特征提取是影響跟蹤算法性能的??重要因素，通過對目標(biāo)外觀進(jìn)行有效的編碼，獲取目標(biāo)特征構(gòu)造目標(biāo)外觀模型，??然后在后續(xù)幀中利用該外觀模型估計(jì)目標(biāo)的當(dāng)前狀態(tài)，并利用新的狀態(tài)更新外??觀模型，以適應(yīng)運(yùn)動(dòng)過程中目標(biāo)發(fā)生的外觀變化。??更新??Ｅ：＿?｜???／－｜?＇??Ｉ?廣??？?／??．４，?？?？?／＊?…＇—．％＇??．?一￣＾?．—？?—？?？?／?＊？—＾?Ｓｋ???ｈ?１．?／?？?？?Ｉ??輸入?運(yùn)動(dòng)模型?特征提取?外觀模型?預(yù)測狀態(tài)??圖２．１目標(biāo)跟蹤系統(tǒng)框架??Ｆｉｇ．?２．１?Ｔｈｅ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｏｂｊｅｃｔ?ｔｒａｃｋｉｎｇ?ｓｙｓｔｅｍ??２．１．１運(yùn)動(dòng)模型??運(yùn)動(dòng)模型是基于上一幀的目標(biāo)狀態(tài)

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積特征的核相關(guān)自適應(yīng)目標(biāo)跟蹤[J]. 王守義,周海英,楊陽.  中國圖象圖形學(xué)報(bào). 2017(09)
[2]基于多層卷積特征融合的目標(biāo)尺度自適應(yīng)穩(wěn)健跟蹤[J]. 王鑫,侯志強(qiáng),余旺盛,金澤芬芬,秦先祥.  光學(xué)學(xué)報(bào). 2017(11)
[3]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,安志勇.  自動(dòng)化學(xué)報(bào). 2016(06)
[4]基于相關(guān)濾波的尺度自適應(yīng)目標(biāo)跟蹤[J]. 徐玉龍,王家寶,李陽,李航,張耿寧,張亞非.  計(jì)算機(jī)應(yīng)用研究. 2016(11)
[5]基于深度特征表達(dá)與學(xué)習(xí)的視覺跟蹤算法研究[J]. 李寰宇,畢篤彥,楊源,查宇飛,覃兵,張立朝.  電子與信息學(xué)報(bào). 2015(09)
[6]目標(biāo)跟蹤技術(shù)綜述[J]. 高文,朱明,賀柏根,吳笑天.  中國光學(xué). 2014(03)
[7]局部二值模式方法研究與展望[J]. 宋克臣,顏云輝,陳文輝,張旭.  自動(dòng)化學(xué)報(bào). 2013(06)
[8]一種基于HSV空間的彩色邊緣圖像檢索方法[J]. 楊紅穎,吳俊峰,于永健,王向陽.  中國圖象圖形學(xué)報(bào). 2008(10)
[9]視覺跟蹤技術(shù)綜述[J]. 侯志強(qiáng),韓崇昭.  自動(dòng)化學(xué)報(bào). 2006(04)
[10]人工神經(jīng)網(wǎng)絡(luò)研究現(xiàn)狀及其展望[J]. 朱大奇.  江南大學(xué)學(xué)報(bào). 2004(01)

博士論文
[1]基于稀疏表示的目標(biāo)跟蹤技術(shù)研究[D]. 陳典兵.中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所 2017

碩士論文
[1]基于核相關(guān)濾波器的目標(biāo)跟蹤方法研究[D]. 李麒驥.西南科技大學(xué) 2017
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D]. 張子夫.吉林大學(xué) 2015



本文編號：3496716