發(fā)布時(shí)間：2021-06-05 16:25

　　近幾十年,目標(biāo)跟蹤技術(shù)發(fā)展迅猛,其無(wú)論是在軍用還是民用方面都得了廣泛應(yīng)用。核相關(guān)濾波算法由于其速度快、精度高,在目標(biāo)跟蹤算法中占有越來越重要的地位。但由于跟蹤環(huán)境復(fù)雜多樣,存在光照變化、遮擋、背景和尺度變化等多因素干擾,影響目標(biāo)跟蹤算法的精確性,甚至嚴(yán)重時(shí)會(huì)丟失跟蹤目標(biāo)。針對(duì)上述問題,本文對(duì)核相關(guān)濾波算法進(jìn)行了改進(jìn),使其在跟蹤精度上較原算法提高了28.26%,具體內(nèi)容如下:首先,針對(duì)外部環(huán)境的光照變化和目標(biāo)快移動(dòng)問題,在核相關(guān)濾波算法的方向梯度直方圖特征模型上,加入LLE（Locally Linear Embedding）降維顏色特征模型,并依據(jù)兩種模型在頻域中的濾波響應(yīng),分配各自的權(quán)重。另外,為防止模型間出現(xiàn)過擬合現(xiàn)象,對(duì)權(quán)重進(jìn)行增加懲罰項(xiàng)處理。通過定量和定性實(shí)驗(yàn)分析,表明改進(jìn)算法在處理目標(biāo)抖動(dòng)、光照和目標(biāo)快速平移等方面具有良好的效果。接著,對(duì)于跟蹤過程中的目標(biāo)尺度變化問題,提出將目標(biāo)坐標(biāo)信息進(jìn)行對(duì)數(shù)極坐標(biāo)變換,這樣目標(biāo)尺度的非線性變化就能轉(zhuǎn)為對(duì)數(shù)極坐標(biāo)軸的線性平移,并引入亞像素來提高對(duì)數(shù)極坐標(biāo)變換后的圖像質(zhì)量。同時(shí),通過相鄰幀間的對(duì)數(shù)極坐標(biāo)信息訓(xùn)練相位相關(guān)濾波器,依據(jù)濾波最大響應(yīng)計(jì)... 

【文章來源】：燕山大學(xué)河北省

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

目標(biāo)跟蹤算

燕山大學(xué)工學(xué)碩士學(xué)位論文-4-各種相關(guān)濾波算法[19]和基于深度學(xué)習(xí)的目標(biāo)跟蹤算法[20]也相繼被提出，促進(jìn)了目標(biāo)跟蹤更好的發(fā)展。我國(guó)對(duì)目標(biāo)跟蹤算法的研究起步較晚，從20世紀(jì)70年代開始，開始接觸目標(biāo)跟蹤算法理論。在經(jīng)過了幾十年研究發(fā)展后，也取得了很大成果，并也成功應(yīng)用于智能交通VS-Star(VisualSurveillanceStar)系統(tǒng)，解決了城市交通安全、擁堵等問題。現(xiàn)如今，我國(guó)的目標(biāo)跟蹤技術(shù)發(fā)展在國(guó)際上也有一定影響力，如：清華大學(xué)、國(guó)防科技大學(xué)、北京郵電大學(xué)、西北工業(yè)大學(xué)等高校都擁有有自己成熟的目標(biāo)跟蹤實(shí)驗(yàn)室。此外，國(guó)內(nèi)目標(biāo)跟蹤算法的研究有了一定的突破。但是，和世界頂尖研究機(jī)構(gòu)還是有一定差距，未來還需要越來越多的科研人員投入到目標(biāo)跟蹤算法的創(chuàng)新中去。圖1-2為目標(biāo)跟蹤一個(gè)簡(jiǎn)易流程。圖1-2目標(biāo)跟蹤算法流程1.2.2經(jīng)典跟蹤算法分類目標(biāo)跟蹤技術(shù)作為一門重要研究學(xué)科，目前，并沒有一個(gè)統(tǒng)一標(biāo)準(zhǔn)對(duì)這些跟蹤算法分類，可利用不同的規(guī)則對(duì)算法進(jìn)行類比。通過目標(biāo)特征模型分類，可分為生成式和判別式兩類跟蹤算法[21]。生成式目標(biāo)跟蹤就是對(duì)第一幀選定的目標(biāo)進(jìn)行建模，在指定區(qū)域內(nèi)通過聯(lián)合概

第2章相關(guān)濾波算法理論-9-因此，越來越多的學(xué)者投入到相關(guān)濾波目標(biāo)跟蹤算法的研究上來，以下為幾種經(jīng)典相關(guān)濾波跟蹤算法的介紹。2.2.1MOSSE算法在2010年，Bolme等人提出了MOSSE(MinimumOutputSumofSquaredError)算法，其開創(chuàng)性的將相關(guān)濾波理論應(yīng)用到目標(biāo)跟蹤，MOSSE算法屬于自適應(yīng)訓(xùn)練方法，其思想就是提取目標(biāo)的灰度特征，對(duì)提取的目標(biāo)塊通過8種仿射變換獲得一組圖像來訓(xùn)練初始濾波器模板，接著通過模型更新公式對(duì)濾波器模板進(jìn)行更新，每一幀的目標(biāo)位置是由濾波模板和輸入圖像點(diǎn)乘操作得到。MOSSE算法的最大特色就是速度快，測(cè)試集平均幀數(shù)達(dá)到669幀/秒。圖2-1為相關(guān)濾波MOSSE跟蹤算法的示意圖。圖2-1MOSSE目標(biāo)跟蹤算法濾波器模板H的主要推導(dǎo)過程如下：(1)通過最小輸出平方誤差之和公式，如式2-2，找到濾波模板H。2miniiHFHG(2-2)式中，iF表示第i幀輸入圖像，H表示共軛的濾波器模板，iG表示第i幀的期望跟蹤目標(biāo)圖像。(2)由于頻域中的運(yùn)算均是對(duì)應(yīng)的元素級(jí)別對(duì)象，因此將模板H拆分為元素wvH，后求偏導(dǎo)找到最優(yōu)解。2*====0iwvwviwvwviiwvwviwviwvwviwvwviiwviwvwvwviwviwvwviwviwvwviwviwvwviiwviwvwviwviwvwviFHGHFHGFHGHFFHHFGHFGHGGHFFHFGH(2-3)

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜紅外地面環(huán)境下的穩(wěn)定目標(biāo)跟蹤方法[J]. 呂堅(jiān),鄧博,闕隆成.  光子學(xué)報(bào). 2019(10)
[2]自適應(yīng)上下文感知相關(guān)濾波跟蹤[J]. 劉波,許廷發(fā),李相民,史國(guó)凱,黃博.  中國(guó)光學(xué). 2019(02)
[3]自適應(yīng)特征選擇的相關(guān)濾波跟蹤算法[J]. 劉萬(wàn)軍,孫虎,姜文濤.  光學(xué)學(xué)報(bào). 2019(06)
[4]目標(biāo)跟蹤算法綜述[J]. 孟琭,楊旭.  自動(dòng)化學(xué)報(bào). 2019(07)
[5]視覺目標(biāo)跟蹤方法研究綜述[J]. 葛寶義,左憲章,胡永江.  中國(guó)圖象圖形學(xué)報(bào). 2018(08)
[6]改進(jìn)的KCF紅外空中目標(biāo)跟蹤方法[J]. 鄭武興,王春平,付強(qiáng).  激光與紅外. 2017(12)
[7]相關(guān)濾波目標(biāo)跟蹤進(jìn)展綜述[J]. 張微,康寶生.  中國(guó)圖象圖形學(xué)報(bào). 2017(08)
[8]基于視覺的目標(biāo)檢測(cè)與跟蹤綜述[J]. 尹宏鵬,陳波,柴毅,劉兆棟.  自動(dòng)化學(xué)報(bào). 2016(10)
[9]深度學(xué)習(xí)在視頻目標(biāo)跟蹤中的應(yīng)用進(jìn)展與展望[J]. 管皓,薛向陽(yáng),安志勇.  自動(dòng)化學(xué)報(bào). 2016(06)
[10]基于視覺場(chǎng)景復(fù)雜度多特征自適應(yīng)融合的目標(biāo)跟蹤[J]. 吳迪,唐勇奇,萬(wàn)琴.  上海交通大學(xué)學(xué)報(bào). 2015(12)

博士論文
[1]復(fù)雜場(chǎng)景下魯棒的目標(biāo)跟蹤算法研究[D]. 曾憲佑.北京交通大學(xué) 2019

碩士論文
[1]復(fù)雜場(chǎng)景運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D]. 盧耀坤.電子科技大學(xué) 2019
[2]復(fù)雜場(chǎng)景下目標(biāo)跟蹤算法的研究[D]. 楊陽(yáng).中北大學(xué) 2018
[3]基于局部方向梯度直方圖的快速目標(biāo)跟蹤[D]. 時(shí)歡.西安電子科技大學(xué) 2017
[4]像素差的平方和增強(qiáng)核粒子濾波的非剛體目標(biāo)跟蹤[D]. 陳家樹.西南大學(xué) 2008



本文編號(hào)：3212507