發(fā)布時(shí)間：2019-06-03 08:16

【摘要】：目標(biāo)檢測(cè)與跟蹤作為計(jì)算機(jī)視覺(jué)領(lǐng)域的研究?jī)?nèi)容之一,在現(xiàn)代社會(huì)的各個(gè)領(lǐng)域都有著廣泛的應(yīng)用。近年來(lái),在簡(jiǎn)單應(yīng)用場(chǎng)景取得了一定的研究成果。但是由于多目標(biāo)行人檢測(cè)經(jīng)常發(fā)生外觀形態(tài)變化以及行人遮擋等現(xiàn)象,而且目標(biāo)所處環(huán)境背景復(fù)雜(例如遮擋、光照變化等),因此,實(shí)現(xiàn)具有魯棒性的檢測(cè)跟蹤算法依然非常困難。特征選擇是影響目標(biāo)檢測(cè)與跟蹤準(zhǔn)確率的重要因素,目前大多數(shù)人工選擇的特征都需根據(jù)不同的數(shù)據(jù)和任務(wù)來(lái)設(shè)計(jì),不僅需要專(zhuān)業(yè)領(lǐng)域的知識(shí),效果也不盡如人意。深度學(xué)習(xí)的出現(xiàn)為這類(lèi)問(wèn)題提供了一個(gè)很好的解決方案。深度學(xué)習(xí)能夠自動(dòng)地從數(shù)據(jù)中學(xué)習(xí)到能表征數(shù)據(jù)更深層本質(zhì)的特征,相較于人工選擇特征與淺層特征,具有強(qiáng)大的數(shù)據(jù)刻畫(huà)和泛化能力。本文將深度學(xué)習(xí)引入目標(biāo)檢測(cè)與跟蹤中,提出了基于深度特征學(xué)習(xí)的目標(biāo)檢測(cè)與跟蹤算法。本論文主要的研究?jī)?nèi)容如下:(1)針對(duì)深度學(xué)習(xí)模型計(jì)算量較大,且調(diào)參復(fù)雜、時(shí)間過(guò)長(zhǎng)等問(wèn)題,采用一種簡(jiǎn)潔的深度學(xué)習(xí)網(wǎng)絡(luò)模型PCANet網(wǎng)絡(luò)提取目標(biāo)的深度特征。提取樣本特征時(shí)首先采用主成分分析(PCA)作為卷積濾波器對(duì)圖片進(jìn)行濾波,然后采用二進(jìn)制哈希編碼作為非線性輸出,最后使用分塊直方圖作為池化層對(duì)特征進(jìn)行降維,從而實(shí)現(xiàn)對(duì)于原始圖像的深度特征的提取。(2)針對(duì)在傳統(tǒng)的多目標(biāo)行人檢測(cè)中出現(xiàn)漏檢錯(cuò)檢的問(wèn)題,在采用PCANet網(wǎng)絡(luò)提取檢測(cè)目標(biāo)的深度特征的基礎(chǔ)上,使用選擇性搜索算法提取高質(zhì)量的目標(biāo)候選區(qū)域,從而解決傳統(tǒng)行人檢測(cè)算法中滑動(dòng)窗口策略計(jì)算量大和冗余窗口多的問(wèn)題。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證,本文提出的行人目標(biāo)檢測(cè)的算法在行人目標(biāo)發(fā)生姿態(tài)變化和復(fù)雜背景下,依然可以準(zhǔn)確檢測(cè)出行人目標(biāo)。(3)針對(duì)現(xiàn)有的目標(biāo)跟蹤算法在較復(fù)雜的環(huán)境下容易發(fā)生跟蹤偏移甚至丟失跟蹤目標(biāo)的問(wèn)題,本文采用粒子濾波與檢測(cè)器結(jié)合的方法,實(shí)現(xiàn)一個(gè)在線的目標(biāo)跟蹤算法。首先通過(guò)粒子濾波算法對(duì)每一幀圖像進(jìn)行運(yùn)動(dòng)估計(jì),得到新的檢測(cè)區(qū)域樣本,然后提取樣本特征,采用SVM分類(lèi)器對(duì)目標(biāo)進(jìn)行分類(lèi)檢測(cè);當(dāng)目標(biāo)發(fā)生較大變化時(shí),可以通過(guò)設(shè)置閾值對(duì)網(wǎng)絡(luò)和分類(lèi)器進(jìn)行更新。經(jīng)過(guò)實(shí)驗(yàn)仿真,在存在光照變化、遮擋等復(fù)雜背景情況的視頻序列上,本文提出的算法都展現(xiàn)了良好的跟蹤能力。
[Abstract]:......
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 管皓;薛向陽(yáng);安志勇;;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];自動(dòng)化學(xué)報(bào);2016年06期

2 張紹明;胡建平;施揚(yáng);;基于改進(jìn)的粒子濾波的紅外視頻行人跟蹤[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年12期

3 程帥;孫俊喜;曹永剛;趙立榮;;增量深度學(xué)習(xí)目標(biāo)跟蹤[J];光學(xué)精密工程;2015年04期

4 張煥龍;胡士強(qiáng);楊國(guó)勝;;基于外觀模型學(xué)習(xí)的視頻目標(biāo)跟蹤方法綜述[J];計(jì)算機(jī)研究與發(fā)展;2015年01期

5 高文;朱明;賀柏根;吳笑天;;目標(biāo)跟蹤技術(shù)綜述[J];中國(guó)光學(xué);2014年03期

6 劉建偉;劉媛;羅雄麟;;深度學(xué)習(xí)研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2014年07期

7 鄭胤;陳權(quán)崎;章毓晉;;深度學(xué)習(xí)及其在目標(biāo)和行為識(shí)別中的新進(jìn)展[J];中國(guó)圖象圖形學(xué)報(bào);2014年02期

8 呂澤華;梁虎;唐赫;王光偉;;目標(biāo)跟蹤研究綜述[J];計(jì)算機(jī)工程與科學(xué);2012年10期

9 蘇松志;李紹滋;陳淑媛;蔡國(guó)榕;吳云東;;行人檢測(cè)技術(shù)綜述[J];電子學(xué)報(bào);2012年04期

10 張娟;毛曉波;陳鐵軍;;運(yùn)動(dòng)目標(biāo)跟蹤算法研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2009年12期

相關(guān)碩士學(xué)位論文 前1條

1 萬(wàn)維;基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法研究及應(yīng)用[D];電子科技大學(xué);2015年

，

本文編號(hào)：2491791