【摘要】：目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域中的研究熱點(diǎn)之一,被廣泛應(yīng)用于智能視頻監(jiān)控、人機(jī)交互等領(lǐng)域。在目標(biāo)跟蹤過程中,經(jīng)常會(huì)出現(xiàn)光照變化、尺度變化、部分遮擋、全部遮擋以及出攝像頭視野之外等問題,所以設(shè)計(jì)一種可以適應(yīng)所有復(fù)雜環(huán)境的目標(biāo)跟蹤算法是極具挑戰(zhàn)性的。本文主要研究基于核相關(guān)濾波器的長(zhǎng)期目標(biāo)跟蹤算法,針對(duì)長(zhǎng)期跟蹤過程中容易出現(xiàn)的目標(biāo)消失、跟蹤漂移等問題進(jìn)行深入研究。本文的主要工作和創(chuàng)新點(diǎn)如下:(1)根據(jù)特征提取方式,將目標(biāo)跟蹤分為傳統(tǒng)的目標(biāo)跟蹤和基于深度學(xué)習(xí)的目標(biāo)跟蹤兩類,每類分別介紹了三種經(jīng)典的跟蹤算法。同時(shí),對(duì)本文使用的數(shù)據(jù)集和評(píng)價(jià)標(biāo)準(zhǔn)進(jìn)行詳細(xì)說明,通過觀察各種經(jīng)典的目標(biāo)跟蹤算法在不同數(shù)據(jù)集上的表現(xiàn)來分析它們的性能。(2)提出了一種基于自適應(yīng)相關(guān)濾波器的長(zhǎng)期跟蹤算法(ACFLT)。ACFLT利用一個(gè)在線支持向量機(jī)(SVM),在相關(guān)濾波跟蹤器跟蹤失敗時(shí)進(jìn)行重新檢測(cè),以解決目標(biāo)消失、跟蹤漂移等問題。此外,ACFLT使用標(biāo)準(zhǔn)化峰值(NPV)來衡量跟蹤結(jié)果的置信度以及估計(jì)目標(biāo)的狀態(tài),然后根據(jù)目標(biāo)的不同狀態(tài)對(duì)相關(guān)濾波跟蹤器和SVM檢測(cè)器進(jìn)行自適應(yīng)更新。實(shí)驗(yàn)結(jié)果表明ACFLT不僅在長(zhǎng)期目標(biāo)跟蹤數(shù)據(jù)集上表現(xiàn)突出,而且對(duì)于通用數(shù)據(jù)集也有很好的表現(xiàn)。(3)提出了一種基于融合卷積特征的長(zhǎng)期跟蹤算法(CCFLT)。CCFLT將卷積神經(jīng)網(wǎng)絡(luò)的深層特征與淺層特征融合,得到同時(shí)具有語義信息和判別信息的特征,并將其用于相關(guān)濾波器來實(shí)現(xiàn)目標(biāo)跟蹤。同時(shí),CCFLT使用NPV對(duì)目標(biāo)狀態(tài)進(jìn)行估計(jì),并對(duì)目標(biāo)模型采取自適應(yīng)更新方式,來提高算法對(duì)目標(biāo)消失、跟蹤漂移等問題的魯棒性。在CCFLT的基礎(chǔ)上,提出了一種基于分層卷積特征的長(zhǎng)期跟蹤算法(HCFLT)。HCFLT將使用深層卷積特征的相關(guān)濾波跟蹤器作為基礎(chǔ)跟蹤器,當(dāng)跟蹤失敗檢測(cè)機(jī)制判斷基礎(chǔ)跟蹤器丟失目標(biāo)時(shí),綜合輔助跟蹤器CCFLT的跟蹤結(jié)果來更新目標(biāo)位置。實(shí)驗(yàn)證明該方法可以有效地提高跟蹤結(jié)果的準(zhǔn)確性。
【圖文】：

邐目標(biāo)邐響應(yīng)圖逡逑圖１．１相關(guān)濾波器不意圖逡逑Ｂｏｌｍｅ等＿首先將相關(guān)濾波器這一概念運(yùn)用到視覺跟蹤中，通過最小輸出平方誤差逡逑和（Ｍｉｎｉｍｕｍ邋Ｏｕｔｐｕｔ邋Ｓｕｍ邋ｏｆ邋Ｓｑｕａｒｅｄ邋Ｅｒｒｏｒ，ＭＯＳＳＥ）濾波器在每一圖像幀上尋找最大響逡逑應(yīng)。該算法將ＭＯＳＳＥ濾波器和搜索窗口的相關(guān)運(yùn)算通過離散傅里葉變換（Ｄｉｓｃｒｅｔｅ逡逑３逡逑

邐目標(biāo)邐響應(yīng)圖逡逑圖１．１相關(guān)濾波器不意圖逡逑Ｂｏｌｍｅ等＿首先將相關(guān)濾波器這一概念運(yùn)用到視覺跟蹤中，通過最小輸出平方誤差逡逑和（Ｍｉｎｉｍｕｍ邋Ｏｕｔｐｕｔ邋Ｓｕｍ邋ｏｆ邋Ｓｑｕａｒｅｄ邋Ｅｒｒｏｒ，，ＭＯＳＳＥ）濾波器在每一圖像幀上尋找最大響逡逑應(yīng)。該算法將ＭＯＳＳＥ濾波器和搜索窗口的相關(guān)運(yùn)算通過離散傅里葉變換（Ｄｉｓｃｒｅｔｅ逡逑３逡逑
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP391.41;TN713

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 李新葉;孫智華;陳明宇;;基于二值特征和結(jié)構(gòu)化輸出支持向量機(jī)的目標(biāo)快速跟蹤算法[J];計(jì)算機(jī)應(yīng)用;2015年10期

2 閆慶森;李臨生;徐曉峰;王燦;;視頻跟蹤算法研究綜述[J];計(jì)算機(jī)科學(xué);2013年S1期

3 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

4 李培華;;一種新穎的基于顏色信息的粒子濾波器跟蹤算法[J];計(jì)算機(jī)學(xué)報(bào);2009年12期

相關(guān)博士學(xué)位論文 前1條

1 張陽;復(fù)雜交通場(chǎng)景中基于視頻的行人檢測(cè)與跟蹤若干關(guān)鍵問題研究[D];華南理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前4條

1 董艷梅;基于相關(guān)濾波器的目標(biāo)跟蹤技術(shù)[D];北京理工大學(xué);2015年

2 龔小彪;基于TLD框架的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2014年

3 張平;基于CUDA的TLD視覺跟蹤算法研究[D];北京交通大學(xué);2014年

4 于海彬;智能監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤算法研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2013年

本文編號(hào)：2610107