目標跟蹤是計算機視覺研究中一個重要內容,在智能監(jiān)控、自動駕駛、醫(yī)療診斷等各個領域中都有著廣泛的應用。然而實際的跟蹤應用面臨各種復雜環(huán)境場景,仍然存在許多問題亟需解決,因此,探索高效魯棒的跟蹤算法具有重要的研究意義。本文針對具體的難點問題,分別從基于相關濾波跟蹤框架和基于孿生網絡跟蹤框架出發(fā),提出相應解決方案來提高跟蹤性能,降低背景噪聲,劇烈外觀變化等因素的影響,并通過實驗來驗證所提方法的有效性,具體研究工作包含以下兩方面:(1)針對相關濾波方法假設跟蹤目標的形狀是一個服從高斯分布的軸對齊矩形框,不可避免的引入背景信息,影響跟蹤性能的問題。提出融合多線索背景信息的相關濾波跟蹤算法,通過獨立訓練兩個相關濾波器來提高跟蹤性能。算法在相關濾波跟蹤框架下,首先采樣樣本圖像訓練第一個濾波器,生成目標響應點。然后利用高斯插值的方式得到其它響應點,第一個濾波器生成的所有響應點看成是先驗目標響應并用于訓練第二個濾波器。預測目標位置時,聯(lián)合第一個濾波器的目標響應得到最終的跟蹤結果。模型更新時,引入高置信度模型更新策略來緩解模型漂移的問題,公開基準數(shù)據(jù)集上的實驗結果表明所提方法的有效性。(2)針對一些基于孿...

【文章頁數(shù)】：68 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 基于相關濾波的目標跟蹤算法研究現(xiàn)狀
        1.2.2 基于深度學習的目標跟蹤算法研究現(xiàn)狀
    1.3 論文主要研究內容和組織結構
        1.3.1 論文主要研究內容
        1.3.2 論文組織結構
第2章 單目標跟蹤相關理論方法
    2.1 目標跟蹤概述
        2.1.1 目標跟蹤任務
        2.1.2 常用的目標跟蹤數(shù)據(jù)集
    2.2 基于相關濾波的目標跟蹤
        2.2.1 相關濾波原理
        2.2.2 相關濾波基礎知識
        2.2.3 基于相關濾波的目標跟蹤框架
    2.3 基于孿生網絡的目標跟蹤
        2.3.1 孿生網絡結構
        2.3.2 基于孿生網絡的目標跟蹤框架
    2.4 本章小結
第3章 融合多線索背景信息的相關濾波目標跟蹤
    3.1 基于特征融合的目標跟蹤算法
    3.2 融合多線索背景信息的目標跟蹤算法
    3.3 實驗結果與分析
        3.3.1 實驗細節(jié)和實驗參數(shù)設置
        3.3.2 定性定量實驗結果分析
        3.3.3 消蝕實驗分析
    3.4 本章小結
第4章 多線索級聯(lián)的深度目標跟蹤
    4.1 動態(tài)孿生網絡跟蹤算法
    4.2 多線索級聯(lián)的跟蹤方法
        4.2.1 低層學習
        4.2.2 中層學習
        4.2.3 高層學習
    4.3 實驗與結果分析
        4.3.1 實驗設置
        4.3.2 實驗結果分析
        4.3.3 參數(shù)分析
    4.4 本章小結
第5章 總結與展望
    5.1 工作總結
    5.2 工作展望
參考文獻
致謝
攻讀學位期間取得的科研成果清單



本文編號：3738121