視頻目標(biāo)跟蹤隨著近幾年計(jì)算機(jī)視覺(jué)、模式識(shí)別、深度學(xué)習(xí)領(lǐng)域相關(guān)技術(shù)的不斷成熟進(jìn)步,諸多學(xué)者、專家對(duì)人工智能的重視不斷增強(qiáng),逐漸成為機(jī)器學(xué)習(xí)的核心發(fā)展方向,在密集區(qū)域視頻監(jiān)控,交通智慧城市,視頻分析與檢索等方面有比較廣闊的發(fā)展前途和應(yīng)用場(chǎng)景。而與此同時(shí),隨著深度神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)與應(yīng)用,對(duì)于視頻跟蹤中的目標(biāo)框選,目標(biāo)跟蹤中的自學(xué)習(xí)都有著新的結(jié)合應(yīng)用。所以,把深度神經(jīng)網(wǎng)絡(luò)應(yīng)用于多個(gè)目標(biāo)的檢測(cè)跟蹤上很有現(xiàn)實(shí)意義。多目標(biāo)跟蹤是當(dāng)今視頻跟蹤領(lǐng)域研究熱點(diǎn)之一,他有效地解決了多目標(biāo)構(gòu)成的群體的行為判斷問(wèn)題與某區(qū)域內(nèi)目標(biāo)擁擠度的識(shí)別問(wèn)題,成為提高現(xiàn)有視頻目標(biāo)跟蹤效率最為有效的途徑,與此同時(shí)還兼?zhèn)淞爽F(xiàn)有主流單目標(biāo)跟蹤所能保證的跟蹤精確度與準(zhǔn)確性。本課題第一步先將對(duì)若干張待跟蹤目標(biāo)的通用特征圖像運(yùn)用深度神經(jīng)網(wǎng)絡(luò)非在線訓(xùn)練,提取該類目標(biāo)的特征。然后運(yùn)用這些訓(xùn)練提取的目標(biāo)特征在線訓(xùn)練,得到正確區(qū)分目標(biāo)與非目標(biāo)的分類器,將需要跟蹤的目標(biāo)分類并框選。其次,在目標(biāo)框選確定之后,跟蹤器根據(jù)幀與幀之間目標(biāo)物體的運(yùn)動(dòng)是有限的采用光流法估計(jì)目標(biāo)運(yùn)動(dòng)狀況。檢測(cè)器首先對(duì)每一幀視頻圖像幀進(jìn)行逐個(gè)掃描,逐一觀測(cè)出直到當(dāng)前時(shí)刻以前已經(jīng)被找...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)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(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究?jī)?nèi)容
    1.4 論文總體結(jié)構(gòu)
第2章 技術(shù)研究基礎(chǔ)
    2.1 視頻目標(biāo)跟蹤技術(shù)
        2.1.1 跟蹤模塊原理
        2.1.2 檢測(cè)器原理
        2.1.3 自學(xué)習(xí)模塊原理
    2.2 MDP決策性學(xué)習(xí)原理
        2.2.1 馬爾科夫決策過(guò)程
        2.2.2 馬爾科夫決策策略
    2.3 多質(zhì)心雙向量跟蹤原理
        2.3.1 多質(zhì)心相關(guān)概念
        2.3.2 頻域向量與空域向量
    2.4 視頻多目標(biāo)跟蹤技術(shù)概述
        2.4.1 多目標(biāo)跟蹤技術(shù)
        2.4.2 深度神經(jīng)網(wǎng)絡(luò)概述
    2.5 本章小結(jié)
第3章 基于深度神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)多目標(biāo)檢測(cè)算法設(shè)計(jì)
    3.1 算法應(yīng)用場(chǎng)景分析
    3.2 算法設(shè)計(jì)
        3.2.1 算法原理
        3.2.2 多目標(biāo)框選與檢測(cè)
        3.2.3 目標(biāo)質(zhì)心分割與選擇
        3.2.4 質(zhì)心譜帶描繪
        3.2.5 決策性學(xué)習(xí)判定
        3.2.6 最終運(yùn)動(dòng)軌跡矯正與選擇
    3.3 算法仿真
        3.3.1 特征修復(fù)與合并
        3.3.2 實(shí)例測(cè)試
    3.4 算法實(shí)驗(yàn)及分析
        3.4.1 算法準(zhǔn)確率判斷指標(biāo)及方法
        3.4.2 實(shí)驗(yàn)結(jié)果對(duì)比及分析
    3.5 本章小結(jié)
第4章 基于深度神經(jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)多目標(biāo)跟蹤算法設(shè)計(jì)
    4.1 算法應(yīng)用場(chǎng)景分析
        4.1.1 群體事件分析
        4.1.2 運(yùn)動(dòng)軌跡分析
    4.2 算法設(shè)計(jì)
        4.2.1 算法原理
        4.2.2 算法實(shí)現(xiàn)
    4.3 算法實(shí)驗(yàn)及分析
        4.3.1 多目標(biāo)跟蹤算法跟蹤效果
        4.3.2 實(shí)驗(yàn)結(jié)果對(duì)比分析
    4.4 本章小結(jié)
第5章 多目標(biāo)檢測(cè)與跟蹤場(chǎng)景應(yīng)用及性能分析
    5.1 系統(tǒng)應(yīng)用場(chǎng)景
    5.2 Benchmark數(shù)據(jù)集介紹與分析
    5.3 系統(tǒng)測(cè)試指標(biāo)及驗(yàn)證
        5.3.1 測(cè)試特征描述
        5.3.2 數(shù)據(jù)集選擇
        5.3.3 算法評(píng)價(jià)指標(biāo)
        5.3.4 分析驗(yàn)證集
    5.4 系統(tǒng)測(cè)試
        5.4.1 測(cè)試集評(píng)估
        5.4.2 算法結(jié)果測(cè)試
    5.5 算法對(duì)比分析
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的研究成果
致謝



本文編號(hào)：3899969