本文選題：目標(biāo)跟蹤 + 核函數(shù)　； 參考：《長(zhǎng)安大學(xué)》2016年博士論文

【摘要】：目標(biāo)跟蹤是一個(gè)經(jīng)典的計(jì)算機(jī)視覺問(wèn)題,在機(jī)器人、監(jiān)控系統(tǒng)和輔助駕駛等許多領(lǐng)域有著重要的應(yīng)用。目標(biāo)跟蹤的任務(wù)就是跟蹤視頻序列中的一個(gè)目標(biāo)或多個(gè)目標(biāo),其中目標(biāo)可以是視頻圖像中任何感興趣的對(duì)象。雖然目標(biāo)跟蹤技術(shù)在過(guò)去的幾年里已經(jīng)取得了重大的進(jìn)展,但是由于目標(biāo)外形變化、遮擋和背景干擾等復(fù)雜因素的影響,目前目標(biāo)跟蹤仍舊是一個(gè)復(fù)雜的開放性研究課題。本文研究改進(jìn)了基于核函數(shù)的均值漂移(mean shift,簡(jiǎn)稱MS)目標(biāo)跟蹤算法;并提出了一種基于核函數(shù)的擴(kuò)展多通道關(guān)聯(lián)濾波器(expanded multi-channel correlation filter,簡(jiǎn)稱EMCCF)目標(biāo)跟蹤算法。論文的主要研究工作和成果如下:(1)針對(duì)目標(biāo)非線性運(yùn)動(dòng)時(shí)的遮擋問(wèn)題,提出了基于交叉-區(qū)間(cross-bin)顏色直方圖和全局搜索機(jī)制的MS算法。首先利用cross-bin顏色直方圖代替?zhèn)鹘y(tǒng)的區(qū)間-區(qū)間(bin-bin)顏色直方圖表示目標(biāo)特征,提高跟蹤精度;當(dāng)目標(biāo)受到嚴(yán)重遮擋丟失后,通過(guò)一種尺度變化的搜索機(jī)制,在全局范圍內(nèi)搜索目標(biāo)位置,提高抗遮擋能力。(2)針對(duì)一般的線性運(yùn)動(dòng)目標(biāo)短時(shí)間遮擋問(wèn)題,提出將兩層卡爾曼濾波(kalman filter,簡(jiǎn)稱KF)框架融入融合矯正背景權(quán)重直方圖(corrected background-weighted histogram,簡(jiǎn)稱CBWH)的MS。首先通過(guò)運(yùn)動(dòng)學(xué)方程建立第一層的數(shù)學(xué)模型,利用巴氏系數(shù)、濾波器噪聲與跟蹤結(jié)果之間的關(guān)系,自適應(yīng)地調(diào)整跟蹤結(jié)果,減少遮擋的影響;然后對(duì)目標(biāo)模板直方圖中的每個(gè)非零元素進(jìn)行第二層濾波,通過(guò)動(dòng)態(tài)變化的濾波殘差和巴氏系數(shù),實(shí)時(shí)調(diào)整更新濾波器中的各項(xiàng)參數(shù),得到濾波后的目標(biāo)模板,減少特征變化的影響。(3)提出了擴(kuò)展多通道關(guān)聯(lián)濾波器(expanded multi-channel correlation filter,簡(jiǎn)稱EMCCF)目標(biāo)跟蹤算法。利用嶺回歸分類器和關(guān)聯(lián)濾波器(correlation filter,簡(jiǎn)稱CF)間的關(guān)系,在多通道關(guān)聯(lián)濾波器(multi-channel correlation filter,簡(jiǎn)稱MCCF)的基礎(chǔ)上,通過(guò)核函數(shù)嶺回歸在時(shí)域建立EMCCF的數(shù)學(xué)模型并進(jìn)行求解,解決了MCCF僅存在一種計(jì)算量大的線性最優(yōu)解,只適用于離線目標(biāo)檢測(cè),而不適用于在線目標(biāo)跟蹤的不足。
[Abstract]:Target tracking is a classic computer vision problem, and it has an important application in many fields, such as robot, monitoring system and auxiliary driving. The task of target tracking is to track one target or multiple targets in video sequence, in which the target can be the object of interest in the video image. Although the target tracking technique is over Great progress has been made in the past few years, but the target tracking is still a complex and open research topic due to the complex factors such as the change of the target shape, the occlusion and the background interference. This paper improves the target tracking algorithm based on the mean shift (MS) based on the kernel function, and proposes a basis for the target tracking. The target tracking algorithm of expanded multi-channel correlation filter (EMCCF) is the main research work and achievements in this paper as follows: (1) a MS algorithm based on cross interval (cross-bin) color histogram and global search mechanism is proposed for the occlusion problem in nonlinear motion of the target. First, the cross-bin color histogram is used to replace the traditional interval interval (Bin-bin) color histogram to express the target feature and improve the tracking accuracy. When the target is lost, the target location is searched in the global range and the anti occlusion ability is improved by a scale change search mechanism. (2) the general linear moving target is used. The problem of short time occlusion is to integrate the two layer Calman filter (Kalman filter, KF) framework into the fusion correction background weight histogram (corrected background-weighted histogram, for short). First, the mathematical model of the first layer is established through the kinematic equation, and the correlation between the filter noise and the tracking result is used. The system adaptively adjusts the tracking results to reduce the impact of the occlusion. Then, each non zero element in the target template histogram is filtered by second layers, and the parameters in the updated filter are adjusted in real time through the dynamically changing filter residuals and barson coefficients, and the filtered target template is obtained to reduce the influence of the change of the feature. (3) proposed Expanded multi-channel correlation filter (EMCCF) is extended to target tracking algorithm. Based on the relationship between the ridge regression classifier and the associated filter (correlation filter, CF), the kernel function ridge regression is used on the basis of the multi-channel association filter (multi-channel correlation filter, short for short). The mathematical model of EMCCF is established and solved in the time domain. The solution is that there is only one linear optimal solution with large computational complexity in MCCF, which is only suitable for off-line target detection, but is not suitable for the shortage of online target tracking.
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 金忠;一種多目標(biāo)跟蹤算法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1985年S1期

2 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標(biāo)跟蹤算法研究[J];國(guó)外電子測(cè)量技術(shù);2014年01期

3 馬奔,史忠科,皮燕妮;成像目標(biāo)跟蹤算法分析[J];西安電子科技大學(xué)學(xué)報(bào);2005年03期

4 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運(yùn)動(dòng)目標(biāo)跟蹤算法[J];光學(xué)精密工程;2007年02期

5 陳愛華;孟勃;朱明;王艷華;;多模式融合的目標(biāo)跟蹤算法[J];光學(xué)精密工程;2009年01期

6 牛長(zhǎng)鋒;劉玉樹;;融合多特征的粒子濾波目標(biāo)跟蹤算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

7 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標(biāo)跟蹤算法綜述[J];電視技術(shù);2010年12期

8 佟國(guó)峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機(jī)蕨叢的長(zhǎng)期目標(biāo)跟蹤算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

9 曹曉麗;李明;邢玉娟;譚萍;;幾種自動(dòng)目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

10 王魯平,李飚,胡敏露;一種基于多傳感器數(shù)據(jù)融合的目標(biāo)跟蹤算法[J];紅外與激光工程;2004年02期

相關(guān)會(huì)議論文 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會(huì)第三屆年會(huì)論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國(guó)過(guò)程控制會(huì)議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標(biāo)跟蹤算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無(wú);王磊;李正東;;紅外/雷達(dá)雙傳感器融合目標(biāo)跟蹤算法[A];中國(guó)工程物理研究院科技年報(bào)（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)C卷[C];2011年

10 張濤;費(fèi)樹岷;胡剛;;基于多特征信息自適應(yīng)融合的視頻目標(biāo)跟蹤算法[A];第二十九屆中國(guó)控制會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 胡子軍;基于隨機(jī)有限集的雷達(dá)多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

2 王保憲;復(fù)雜背景下的視頻目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2016年

3 張雷;復(fù)雜場(chǎng)景下實(shí)時(shí)目標(biāo)跟蹤算法及實(shí)現(xiàn)技術(shù)研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2016年

4 王晶晶;復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2016年

5 田浩;基于核函數(shù)的目標(biāo)跟蹤算法研究[D];長(zhǎng)安大學(xué);2016年

6 盧建國(guó);基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

7 馮巍;分布式多視角目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2011年

8 王書朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

9 劉晴;基于區(qū)域特征的目標(biāo)跟蹤算法研究[D];北京理工大學(xué);2014年

10 邱雪娜;基于視覺的運(yùn)動(dòng)目標(biāo)跟蹤算法及其在移動(dòng)機(jī)器人中的應(yīng)用[D];華東理工大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 張健;形變目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];遼寧大學(xué);2015年

2 張巧麗;基于LabVIEW的運(yùn)動(dòng)目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D];陜西科技大學(xué);2015年

3 閆俊強(qiáng);基于圖像的空中目標(biāo)跟蹤算法研究[D];中北大學(xué);2016年

4 陳萍;視覺目標(biāo)跟蹤算法研究[D];東南大學(xué);2015年

5 呂國(guó)宏;視頻中運(yùn)動(dòng)目標(biāo)跟蹤算法及其改進(jìn)策略研究[D];中北大學(xué);2016年

6 江夢(mèng)茜;復(fù)雜條件下的擴(kuò)展/群目標(biāo)跟蹤算法研究[D];西安工程大學(xué);2016年

7 趙璐璐;基于相關(guān)濾波的目標(biāo)跟蹤算法研究[D];北方工業(yè)大學(xué);2016年

8 鮑丙計(jì);基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];安徽大學(xué);2016年

9 蔣小莉;基于壓縮粒子濾波的改進(jìn)目標(biāo)跟蹤算法研究[D];安徽大學(xué);2016年

10 徐少飛;基于循環(huán)核矩陣的自適應(yīng)目標(biāo)跟蹤算法研究[D];安徽大學(xué);2016年

，

本文編號(hào)：1938510