行人目標(biāo)檢測(cè)與跟蹤技術(shù)在安防監(jiān)控、智能交通、人機(jī)交互等領(lǐng)域都具有重要的研究?jī)r(jià)值和應(yīng)用價(jià)值。實(shí)際應(yīng)用環(huán)境中,由于跟蹤場(chǎng)景多樣性和行人目標(biāo)變化復(fù)雜,傳統(tǒng)的經(jīng)典核相關(guān)濾波目標(biāo)跟蹤算法對(duì)快速運(yùn)動(dòng)、尺度變化、遮擋等屬性的視頻跟蹤效果不佳。當(dāng)跟蹤到的目標(biāo)不準(zhǔn)確時(shí),對(duì)濾波器模型更新就會(huì)降低其檢測(cè)質(zhì)量。若連續(xù)多幀都發(fā)生這種情況,則會(huì)造成模型漂移,導(dǎo)致目標(biāo)跟蹤丟失和錯(cuò)誤蔓延現(xiàn)象。針對(duì)這些問(wèn)題,本文提出了基于深度學(xué)習(xí)檢測(cè)的分組核相關(guān)目標(biāo)跟蹤算法,主要內(nèi)容以及成果如下:（1）針對(duì)實(shí)際跟蹤環(huán)境導(dǎo)致的跟蹤目標(biāo)丟失和錯(cuò)誤蔓延的現(xiàn)象,本文提出基于深度學(xué)習(xí)檢測(cè)的分組核相關(guān)濾波目標(biāo)跟蹤算法。該算法首先將待跟蹤的視頻序列分為若干組,對(duì)于每組的第一幀采用Faster RCNN算法進(jìn)行目標(biāo)檢測(cè),若檢測(cè)到待跟蹤的目標(biāo),則用檢測(cè)到的特征信息對(duì)濾波器進(jìn)行訓(xùn)練和更新;否則,則繼續(xù)沿用上一幀中核相關(guān)濾波算法跟蹤到的特征信息,進(jìn)行濾波器模板的訓(xùn)練和更新,完成后續(xù)目標(biāo)跟蹤。（2）由于傳統(tǒng)目標(biāo)檢測(cè)算法采用的手工設(shè)計(jì)特征魯棒性較差,因此本文采用基于深度學(xué)習(xí)的Faster RCNN 目標(biāo)檢測(cè)算法完成行人檢測(cè)。在Caffe深度學(xué)習(xí)框架和VGG網(wǎng)絡(luò)... 

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 行人目標(biāo)檢測(cè)研究現(xiàn)狀
        1.2.2 目標(biāo)跟蹤研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
2 基于核相關(guān)濾波的目標(biāo)跟蹤算法研究與實(shí)現(xiàn)
    2.1 視頻信息處理的特征描述
        2.1.1 HOG特征
        2.1.2 LBP紋理特征
        2.1.3 深度特征
    2.2 KCF目標(biāo)跟蹤算法介紹
        2.2.1 KCF目標(biāo)跟蹤算法原理
        2.2.2 算法流程
    2.3 KCF跟蹤算法實(shí)驗(yàn)結(jié)果
    2.4 本章小結(jié)
3 行人檢測(cè)算法研究與實(shí)現(xiàn)
    3.1 引言
    3.2 基于Faster RCNN的行人目標(biāo)檢測(cè)算法研究
        3.2.1 Faster RCNN算法原理
        3.2.2 基于Faster RCNN算法的行人檢測(cè)實(shí)現(xiàn)
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 行人檢測(cè)評(píng)價(jià)指標(biāo)介紹
        3.3.2 實(shí)驗(yàn)環(huán)境及參數(shù)設(shè)置
        3.3.3 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
4 基于深度學(xué)習(xí)檢測(cè)的分組核相關(guān)目標(biāo)跟蹤算法
    4.1 KCF跟蹤算法的不足
        4.1.1 尺度固定
        4.1.2 目標(biāo)遮擋
        4.1.3 快速運(yùn)動(dòng)
    4.2 改進(jìn)的基于深度檢測(cè)的分組目標(biāo)跟蹤算法
        4.2.1 改進(jìn)方案
        4.2.2 算法分析
        4.2.3 算法流程與框圖
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 目標(biāo)跟蹤評(píng)價(jià)指標(biāo)介紹
        4.3.2 最優(yōu)參數(shù)值選擇
        4.3.3 基于全局的性能分析
        4.3.4 基于屬性的性能分析
    4.4 本章小結(jié)
5 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來(lái)工作展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3650736