【摘要】：近年來,目標(biāo)跟蹤成為計(jì)算機(jī)視覺領(lǐng)域的熱門研究方向。在視覺監(jiān)控、人機(jī)交互、軍事等領(lǐng)域都有著廣泛應(yīng)用前景。隨著計(jì)算機(jī)運(yùn)算速度的提高和評(píng)價(jià)指標(biāo)的規(guī)范,目標(biāo)跟蹤領(lǐng)域發(fā)展迅速,許多優(yōu)秀的算法紛紛涌現(xiàn)出來。但是,目標(biāo)跟蹤在實(shí)際應(yīng)用中還存在著許多挑戰(zhàn),例如目標(biāo)外觀變化、目標(biāo)旋轉(zhuǎn)、光照變化、復(fù)雜背景影響、目標(biāo)快速運(yùn)動(dòng)、目標(biāo)遮擋等,這些挑戰(zhàn)影響算法準(zhǔn)確性,算法的魯棒性有待進(jìn)一步提高。近年來基于相關(guān)濾波器的跟蹤算法表現(xiàn)十分優(yōu)異,成為該領(lǐng)域的研究熱點(diǎn)。此外,隨著深度學(xué)習(xí)的發(fā)展,深度學(xué)習(xí)在視覺跟蹤領(lǐng)域的應(yīng)用也成為研究方向。本文在基于相關(guān)濾波器的跟蹤算法基礎(chǔ)上進(jìn)行研究,深入了解相關(guān)濾波器的理論知識(shí)和跟蹤框架,并且深入分析卷積神經(jīng)網(wǎng)絡(luò),使用卷積神經(jīng)網(wǎng)絡(luò)提取圖像目標(biāo)的特征。本文的主要工作如下:針對(duì)視覺目標(biāo)跟蹤算法進(jìn)行研究,對(duì)目標(biāo)特征描述進(jìn)行歸納總結(jié),對(duì)跟蹤模型進(jìn)行分類,在此基礎(chǔ)上更好的理解基于相關(guān)濾波器的跟蹤算法,并結(jié)合目標(biāo)的特征描述提出本文的跟蹤算法。提出基于相關(guān)濾波器優(yōu)化跟蹤算法。通過對(duì)基于相關(guān)濾波器的跟蹤算法進(jìn)行研究學(xué)習(xí),在其框架基礎(chǔ)上進(jìn)行優(yōu)化。首先,算法針對(duì)復(fù)雜背景的挑戰(zhàn)進(jìn)行優(yōu)化,提出圖像預(yù)處理算法。復(fù)雜的背景會(huì)使目標(biāo)特征表達(dá)包含多余的信息,采用預(yù)處理算法對(duì)圖像進(jìn)行顯著性檢測(cè),突出圖像目標(biāo)顯著部分,減少冗余信息的干擾。針對(duì)目標(biāo)尺度大小變化進(jìn)行改進(jìn),對(duì)圖像進(jìn)行尺度變化處理得到不同的目標(biāo)樣本,對(duì)不同尺度目標(biāo)進(jìn)行特征提取,并根據(jù)不同尺度特征圖的響應(yīng)大小進(jìn)行定位。提出基于深度學(xué)習(xí)特征的跟蹤算法。通過對(duì)深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行研究,對(duì)卷積網(wǎng)絡(luò)提取特征進(jìn)行分析,將深度學(xué)習(xí)特征與相關(guān)濾波器跟蹤算法結(jié)合。本研究采用了淺層的卷積層輸出和深層的卷積層輸出對(duì)目標(biāo)進(jìn)行特征表達(dá),淺層的卷積層包含較多的空間信息,而深層的卷積層則包含的更多的語義信息。算法將不同分辨率的特征圖進(jìn)行融合,同時(shí)采用其他傳統(tǒng)特征結(jié)合,增強(qiáng)圖像表達(dá),實(shí)現(xiàn)對(duì)目標(biāo)的準(zhǔn)確跟蹤。此外,為了應(yīng)對(duì)遮擋情況,采用了優(yōu)化模板更新策略。大部分算法中采用每一幀實(shí)時(shí)跟蹤模板的策略,算法的時(shí)效性較差,同時(shí)對(duì)于出現(xiàn)遮擋情況,跟蹤器的實(shí)時(shí)更新會(huì)使模板受到污染,導(dǎo)致跟蹤出現(xiàn)偏移,致使跟蹤失敗。因此。本文采取了較為稀疏的更新策略,提高算法對(duì)目標(biāo)遮擋這一問題的魯棒性。
【圖文】：

圖 2-2：基于 SVM 分類的檢測(cè)跟蹤圖示自學(xué)習(xí) SVM 跟蹤方法以自學(xué)習(xí)方式構(gòu)造用于目標(biāo)、非目標(biāo)分類的 SVM 分類器。方法對(duì)于目標(biāo)變化較大情況易出現(xiàn)跟蹤漂移，針對(duì)這一問題，Tian 等人[62]利用線M 分類器的集合來構(gòu)造自學(xué)習(xí) SVM 跟蹤方法。這些分類器可以根據(jù)它們?cè)诓煌瑫r(shí)

尺度估計(jì)示意圖
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TN713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊凱杰;田暢;關(guān)文君;;快速目標(biāo)跟蹤算法及其嵌入式實(shí)現(xiàn)[J];軍事通信技術(shù);2016年04期

2 陳偉;祝恩;劉天航;殷建平;邱明輝;;目標(biāo)跟蹤算法的并行優(yōu)化[J];計(jì)算機(jī)工程與科學(xué);2016年11期

3 張濤;李繼生;董恩國(guó);;基于人臉識(shí)別的移動(dòng)目標(biāo)跟蹤算法研究[J];現(xiàn)代制造技術(shù)與裝備;2017年02期

4 李賀;;基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究綜述[J];黑龍江科技信息;2017年17期

5 吳小俊;徐天陽;須文波;;基于相關(guān)濾波的視頻目標(biāo)跟蹤算法綜述[J];指揮信息系統(tǒng)與技術(shù);2017年03期

6 王立新,戴冠中;一種分散化多站聯(lián)合目標(biāo)跟蹤算法[J];航空學(xué)報(bào);1988年03期

7 V.納加拉簡(jiǎn);R.N.沙馬;肖萬選;;改善邊跟蹤邊搜索雷達(dá)的檢測(cè)和跟蹤性能的新方法(第二部分)——檢測(cè)、航跡的產(chǎn)生與組合[J];雷達(dá)與對(duì)抗;1988年05期

8 孟t-;李誠(chéng)新;;近年目標(biāo)跟蹤算法短評(píng)——相關(guān)濾波與深度學(xué)習(xí)[J];中國(guó)圖象圖形學(xué)報(bào);2019年07期

9 竇慧;趙書斌;王強(qiáng);;基于特征點(diǎn)的典型目標(biāo)跟蹤算法性能分析[J];指揮控制與仿真;2017年02期

10 王麗娜;;基于卡爾曼濾波的單模型目標(biāo)跟蹤算法的仿真研究[J];中國(guó)新通信;2016年10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 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

3 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)過程控制會(huì)議論文集[C];2009年

4 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

5 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

6 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

7 石章松;劉忠;;一種使用輔助變量的單站純方位目標(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

8 段萌遠(yuǎn);于俊清;王錦;;基于活動(dòng)狀態(tài)分類的多目標(biāo)跟蹤算法[A];第二屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議(HHME2006)——第15屆中國(guó)多媒體學(xué)術(shù)會(huì)議(NCMT'06)論文集[C];2006年

9 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

10 郭春;羅鵬飛;;一種基于小波變換的目標(biāo)跟蹤算法研究[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

相關(guān)博士學(xué)位論文 前10條

1 李康;圖像序列中魯棒的視覺目標(biāo)跟蹤算法研究[D];武漢大學(xué);2016年

2 曾憲佑;復(fù)雜場(chǎng)景下魯棒的目標(biāo)跟蹤算法研究[D];北京交通大學(xué);2019年

3 楊森泉;基于稀疏分析的魯棒目標(biāo)跟蹤研究[D];廣東工業(yè)大學(xué);2019年

4 胡秀華;復(fù)雜場(chǎng)景中目標(biāo)跟蹤算法研究[D];西北工業(yè)大學(xué);2017年

5 王全輝;篩選式知識(shí)輔助多模型機(jī)動(dòng)目標(biāo)跟蹤算法[D];深圳大學(xué);2018年

6 產(chǎn)思賢;基于視覺系統(tǒng)的智能目標(biāo)跟蹤算法研究[D];浙江工業(yè)大學(xué);2018年

7 胡琪;基于隨機(jī)矩陣的擴(kuò)展目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2018年

8 張鐸;基于水下無線傳感器網(wǎng)絡(luò)的自組織目標(biāo)跟蹤算法研究[D];浙江大學(xué);2019年

9 郭巳秋;基于TLD的粒子群目標(biāo)跟蹤理論與應(yīng)用技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2019年

10 儲(chǔ)琪;基于深度學(xué)習(xí)的視頻多目標(biāo)跟蹤算法研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 楊一豐;基于CNN的目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2019年

2 陳小旋;視頻目標(biāo)跟蹤算法魯棒性研究[D];廣州大學(xué);2019年

3 張亞琴;視頻序列中的單目標(biāo)跟蹤算法研究[D];新疆大學(xué);2019年

4 盧耀坤;復(fù)雜場(chǎng)景運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];電子科技大學(xué);2019年

5 鄭輝;復(fù)雜條件下實(shí)時(shí)目標(biāo)跟蹤算法設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2019年

6 李軍;基于視覺注意機(jī)制的目標(biāo)跟蹤算法研究[D];華北理工大學(xué);2019年

7 王碩豪;基于深度學(xué)習(xí)的目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2019年

8 湯玉;多特征隨機(jī)集濾波視頻目標(biāo)跟蹤算法研究[D];江南大學(xué);2019年

9 胡雯;無人機(jī)視角地面目標(biāo)檢測(cè)與跟蹤[D];電子科技大學(xué);2019年

10 李倩;基于相關(guān)濾波的目標(biāo)跟蹤算法研究[D];吉林大學(xué);2019年

，

本文編號(hào)：2587771