發(fā)布時間：2022-02-21 19:10

　　2016年以來,國家新型智慧城市迅速發(fā)展,為了順應智慧城市的發(fā)展,未來的城市監(jiān)控將會變得智能化、高清化,為此,需要使用計算機視覺的相關技術來解決當前非智能攝像頭存在的一些問題,如無法實時預警、需要耗費大量人力物力進行分析等。作為計算機視覺領域的關鍵問題,單目標跟蹤算法可以繪制給定物體的軌跡信息,方便后續(xù)進行行為分析和異常檢測。因此,單目標跟蹤問題作為計算機視覺領域的基礎問題,具有重要的理論意義和研究價值。在城市監(jiān)控場景中,監(jiān)控畫面非常復雜,主要體現(xiàn)在:（1）物體種類繁多,人流密度較大,不同的物體之間會發(fā)生頻繁的遮擋;（2）物體在監(jiān)控視頻中運動時,會發(fā)生形變以及尺寸變化。這些問題給單目標跟蹤算法帶來了諸多挑戰(zhàn):（1）復雜背景中與目標相似的物體會干擾算法的準確性;（2）對外觀漸變的物體進行跟蹤時沒有充分利用視頻中豐富的時域信息。本論文針對上述挑戰(zhàn),開展技術研究。主要研究工作和創(chuàng)新點如下:1.提出了一種基于特征融合的單目標跟蹤算法,用來解決復雜背景下如何減少相似背景對單目標跟蹤造成的干擾問題。本文利用卷積神經(jīng)網(wǎng)絡提取特征的層次性,對深度特征進行融合,從而在保持深度特征判別能力的同時,提高深度... 

【文章來源】：中國科學技術大學安徽省211工程院校985工程院校

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)跟蹤算法
        1.2.2 深度跟蹤算法
    1.3 本文研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關基礎理論和知識
    2.1 卷積神經(jīng)網(wǎng)絡
        2.1.1 卷積層
        2.1.2 池化
        2.1.3 網(wǎng)絡結(jié)構(gòu)
        2.1.4 孿生網(wǎng)絡
    2.2 光流
    2.3 目標跟蹤數(shù)據(jù)集
        2.3.1 OTB數(shù)據(jù)集
        2.3.2 VOT數(shù)據(jù)集
    2.4 本章小結(jié)
第3章 基于特征融合的單目標跟蹤算法研究
    3.1 引言
    3.2 相關工作
        3.2.1 深度特征的層次性
        3.2.2 區(qū)域生成網(wǎng)絡
    3.3 問題描述
    3.4 方法流程及步驟
        3.4.1 定位階段
        3.4.2 計算尺度
        3.4.3 模型更新
    3.5 實驗
        3.5.1 實驗設置
        3.5.2 評測標準
        3.5.3 實驗結(jié)果及分析
    3.6 本章小結(jié)
第4章 基于幀間信息的單目標跟蹤算法研究
    4.1 引言
    4.2 相關工作
        4.2.1 光流在單目標跟蹤算法中的應用
        4.2.2 孿生網(wǎng)絡在單目標跟蹤算法中的應用
    4.3 問題描述
    4.4 方法流程及步驟
        4.4.1 定位階段
        4.4.2 篩選樣本
        4.4.3 模型更新
    4.5 實驗
        4.5.1 實驗設置
        4.5.2 評測標準
        4.5.3 實驗結(jié)果及分析
    4.6 大規(guī)模城市監(jiān)控數(shù)據(jù)集
        4.6.1 數(shù)據(jù)集簡介
        4.6.2 實驗結(jié)果
    4.7 本章小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 研究展望
參考文獻
致謝
在讀期間發(fā)表的學術論文與取得的研究成果



本文編號：3637881