隨著5G、大數(shù)據(jù)、人工智能等高新科技不斷發(fā)展,目標(biāo)跟蹤技術(shù)已經(jīng)成為計算機視覺的一個重要研究熱點,為后續(xù)的目標(biāo)智能行為分析工作提供有效幫助,廣泛應(yīng)用在安防監(jiān)控、軍事制導(dǎo)、智能交通以及視覺導(dǎo)航等領(lǐng)域。相關(guān)濾波目標(biāo)跟蹤算法具有較強的穩(wěn)定性和魯棒性,是近年來判別式跟蹤算法的重要里程碑。在實際應(yīng)用環(huán)境中,跟蹤算法面臨著場景多樣性和目標(biāo)尺度變化復(fù)雜等難點,多尺度核相關(guān)目標(biāo)跟蹤算法能有效地提高跟蹤性能。目標(biāo)尺度估計的準(zhǔn)確度對跟蹤性能具有重要影響,但是隨著檢測尺度數(shù)量的增加,其跟蹤時間效率會嚴(yán)重下降,從而導(dǎo)致了多尺度跟蹤算法的非實時性。本論文采用兩種改進(jìn)策略充分利用跟蹤結(jié)果的反饋信息進(jìn)行分類處理,提出了基于響應(yīng)判別的多尺度相關(guān)濾波跟蹤算法。改進(jìn)策略1基于跟蹤目標(biāo)多分辨率分段預(yù)處理方法,能有效提高低分辨率屬性視頻的跟蹤性能。改進(jìn)策略2基于響應(yīng)判別的多尺度檢測方法,通過最大響應(yīng)峰值的判別分類處理,對于目標(biāo)跟蹤較為準(zhǔn)確的視頻幀不進(jìn)行多尺度檢測,從而節(jié)省大量運算時間;對于目標(biāo)跟蹤性能不準(zhǔn)確的視頻幀進(jìn)行多尺度檢測,從而修正結(jié)果提高跟蹤性能。在OTB50、OTB100、TC128和UAV123數(shù)據(jù)集上對比當(dāng)前先進(jìn)... 

【文章來源】：西安科技大學(xué)陜西省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究背景及意義
    1.2 課題國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文結(jié)構(gòu)安排
2 多尺度目標(biāo)跟蹤算法
    2.1 圖像特征描述
        2.1.1 灰度特征
        2.1.2 顏色特征
        2.1.3 HOG特征
    2.2 相關(guān)濾波目標(biāo)跟蹤算法
    2.3 DSST跟蹤算法
        2.3.1 目標(biāo)位置估計
        2.3.2 目標(biāo)尺度估計
    2.4 fDSST跟蹤算法
    2.5 SAMF跟蹤算法
        2.5.1 特征融合
        2.5.2 多尺度跟蹤
    2.6 SAMF-CA跟蹤算法
    2.7 本章小結(jié)
3 基于響應(yīng)判別的多尺度目標(biāo)跟蹤改進(jìn)算法
    3.1 傳統(tǒng)多尺度算法問題分析
    3.2 相關(guān)算法工作介紹
        3.2.1 核相關(guān)濾波目標(biāo)跟蹤算法
        3.2.2 基于多特征融合的核相關(guān)濾波跟蹤算法
        3.2.3 基于多尺度的核相關(guān)濾波跟蹤算法
    3.3 基于響應(yīng)判別的多尺度相關(guān)濾波跟蹤算法
        3.3.1 基于跟蹤目標(biāo)多分辨率分段預(yù)處理策略
        3.3.2 基于響應(yīng)判別的多尺度檢測策略
        3.3.3 改進(jìn)的RDMSCF跟蹤算法
    3.4 本章小結(jié)
4 實驗結(jié)果與分析
    4.1 視頻數(shù)據(jù)庫與評價指標(biāo)
        4.1.1 視頻庫介紹
        4.1.2 評價指標(biāo)
    4.2 實驗結(jié)果及性能分析
        4.2.1 改進(jìn)算法尺度因子的性能分析
        4.2.2 改進(jìn)算法的性能分析與參數(shù)設(shè)置
        4.2.3 先進(jìn)跟蹤算法的定量跟蹤性能結(jié)果與分析
        4.2.4 基于不同視頻屬性的定量跟蹤性能結(jié)果與分析
        4.2.5 先進(jìn)跟蹤算法的定性跟蹤性能結(jié)果與分析
    4.3 本章小結(jié)
5 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 未來工作展望
致謝
參考文獻(xiàn)
附錄



本文編號：2960162