【摘要】：基于局部特征表達(dá)的目標(biāo)跟蹤算法有很好的抗目標(biāo)遮擋和形變的能力,因此其在目標(biāo)跟蹤領(lǐng)域有很多的應(yīng)用和討論。雖然基于局部特征表達(dá)的目標(biāo)跟蹤算法有很多的優(yōu)點(diǎn),但其仍然存在如下的幾個(gè)問(wèn)題:1.對(duì)目標(biāo)有效的特征表達(dá)是目標(biāo)跟蹤領(lǐng)域中的一個(gè)根本性問(wèn)題,一個(gè)有效的目標(biāo)特征表達(dá)方式能對(duì)跟蹤器的跟蹤性能起到?jīng)Q定性的作用。而傳統(tǒng)的基于局部的目標(biāo)表達(dá)是把目標(biāo)的所有局部區(qū)域用統(tǒng)一的特征信息進(jìn)行表達(dá),沒(méi)有根據(jù)每一個(gè)局部特征的位置信息進(jìn)行有區(qū)別的表達(dá),這樣每一個(gè)局部特征便不能做到都很好的區(qū)分前景和背景。2.深度神經(jīng)網(wǎng)絡(luò)特征相比于人工設(shè)計(jì)特征的擁有巨大優(yōu)勢(shì)。不同于人工設(shè)計(jì)特征,深度神經(jīng)網(wǎng)絡(luò)特征通過(guò)對(duì)大量數(shù)據(jù)樣本的學(xué)習(xí)找到一種語(yǔ)義方面更加高層的目標(biāo)表達(dá)。然而,基于局部的跟蹤算法大都沒(méi)有很好的利用深度神網(wǎng)絡(luò)不同卷積特征圖對(duì)不同的局部區(qū)域的不同表達(dá),從而不能很好的利用不同局部塊的位置信息選擇和使用最適合其區(qū)分前景和背景的特征圖。3.由于在目標(biāo)跟蹤問(wèn)題中,目標(biāo)的尺度變換一直是一個(gè)很重要也很難解決的問(wèn)題,在基于局部的目標(biāo)跟蹤算法中,常用的目標(biāo)跟蹤尺度變換方式不能很好的解決目標(biāo)的尺度變化問(wèn)題,從而不能很有效的跟蹤有形變的跟蹤目標(biāo)。下一個(gè)問(wèn)題不單單存在于基于局部的目標(biāo)跟蹤算法中,它普遍存在于所有機(jī)制的跟蹤算法中,在目標(biāo)跟蹤領(lǐng)域,目標(biāo)的形變、遮擋、模糊、快速移動(dòng)、尺度變化等等不確定因素是每個(gè)視覺(jué)跟蹤算法所要面臨和應(yīng)對(duì)的挑戰(zhàn)。但是由于每一個(gè)跟蹤器跟蹤的機(jī)制不同,一個(gè)視覺(jué)跟蹤器往往不能很好的處理上述所有不確定因素,從而造成跟蹤算法對(duì)特定跟蹤目標(biāo)跟蹤失敗的情形。針對(duì)問(wèn)題一,本文提出一種有效的局部特征目標(biāo)表達(dá)方式,利用目標(biāo)中每一個(gè)局部區(qū)域的位置信息,通過(guò)觀(guān)察目標(biāo)局部的不同顏色特征,設(shè)計(jì)出一種能夠根據(jù)不同局部區(qū)域的位置信息自適應(yīng)的找到最能區(qū)分前景和背景的特征表達(dá),最終融合每一個(gè)局部特征使得整個(gè)目標(biāo)的特征表達(dá)能夠很好的區(qū)分前景和背景,從而提升整體的目標(biāo)跟蹤的性能。針對(duì)問(wèn)題二,在上述基于目標(biāo)局部的不同顏色特征和位置信息進(jìn)行自適應(yīng)特征表達(dá)的基礎(chǔ)上,本文充分利用深度神經(jīng)網(wǎng)絡(luò)不同特征圖的特點(diǎn),對(duì)目標(biāo)進(jìn)行有區(qū)別的局部特征表達(dá)。針對(duì)問(wèn)題三,本文借鑒在目標(biāo)檢測(cè)中比較常用的目標(biāo)框回歸的方式去解決基于局部的壓縮感知目標(biāo)跟蹤算法中的尺度變換問(wèn)題,從而使得基于局部的壓縮感知目標(biāo)跟蹤算法也能很好的尺度變化功能。針對(duì)最后一個(gè)問(wèn)題,本文通過(guò)多個(gè)不同的跟蹤器同時(shí)跟蹤一個(gè)目標(biāo),在每一幀都選擇"最好"跟蹤結(jié)果,把多個(gè)不同跟蹤機(jī)制的跟蹤器的優(yōu)點(diǎn)融合,彌補(bǔ)不同跟蹤器的缺點(diǎn),做到端到端的多跟蹤器的性能提升。實(shí)驗(yàn)證明通過(guò)本文提出的基于顏色特征和深度特征的局部特征選擇算法對(duì)基于局部的目標(biāo)跟蹤算法的性能有一個(gè)較大的提升,同時(shí),基于目標(biāo)框回歸的尺度變換能很好的解決基于局部特征表達(dá)的目標(biāo)跟蹤的尺度變換問(wèn)題。最后通過(guò)多跟蹤器選擇算法,多個(gè)跟蹤器的優(yōu)點(diǎn)被整合,同時(shí)整體的跟蹤性能得到可觀(guān)的提升。
[Abstract]:The target tracking algorithm based on local feature expression is a fundamental problem in the field of target tracking .
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫明,吳正國(guó),龔沈光;基于離散小波理論的時(shí)間尺度變換實(shí)現(xiàn)[J];武漢理工大學(xué)學(xué)報(bào)(交通科學(xué)與工程版);2002年01期

2 章文斌,袁寶國(guó),王勝?lài)?guó);尺度變換在互連線(xiàn)高階模型仿真中的應(yīng)用[J];計(jì)算機(jī)仿真;2005年03期

3 劉亞波;李亞超;邢孟道;保錚;;基于錐形尺度變換的弱小艦船目標(biāo)檢測(cè)[J];電子與信息學(xué)報(bào);2009年11期

4 熊惠霖,張?zhí)煨?具有平移和尺度變換不變性的自適應(yīng)小波矩[J];華中理工大學(xué)學(xué)報(bào);1999年04期

5 朱曉光,洪炳熔,王東木;基于連續(xù)小波理論的時(shí)間尺度變換實(shí)現(xiàn)[J];系統(tǒng)工程與電子技術(shù);1999年12期

6 鄭軍,顏文俊,諸靜;基于小波逼近和尺度變換的非參數(shù)辨識(shí)方法[J];控制與決策;2004年10期

7 魏萊;王守覺(jué);徐菲菲;;基于帶權(quán)多維尺度變換的奇異值挖掘[J];計(jì)算機(jī)科學(xué);2008年01期

8 曾依靈;許洪波;吳高巍;程學(xué)旗;白碩;;一種基于空間映射及尺度變換的聚類(lèi)框架[J];中文信息學(xué)報(bào);2010年03期

9 鄭猛,鄭世寶,王慈;一種DCT域?qū)崿F(xiàn)圖像分?jǐn)?shù)倍尺度變換的方法[J];上海交通大學(xué)學(xué)報(bào);2004年09期

10 江志紅;程翥;王展;;基于Chirp變換的快速離散時(shí)間尺度變換[J];國(guó)防科技大學(xué)學(xué)報(bào);2007年05期

相關(guān)會(huì)議論文 前1條

1 曾依靈;許洪波;吳高巍;程學(xué)旗;白碩;;一種基于空間映射及尺度變換的聚類(lèi)框架[A];第五屆全國(guó)信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)博士學(xué)位論文 前1條

1 王fE;圖像旋轉(zhuǎn)與尺度變換不變性識(shí)別方法研究[D];西安電子科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前1條

1 鄭天琦;基于特征和模型選擇的視頻目標(biāo)跟蹤[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

，

本文編號(hào)：2127512