視頻目標跟蹤是計算機視覺領域的一個重要研究方向。它的任務是在給定目標物體的起始位置與尺寸的情況下,準確地判斷該目標物在接下來視頻幀中的位置和尺寸�，F(xiàn)在,先進的目標跟蹤算法被廣泛應用于多個工業(yè)領域,包括機器人導航、視覺增強、視頻監(jiān)控等。然而,盡管在過去的數(shù)十年中目標跟蹤領域飛速發(fā)展并取得了一些顯著的研究成果,現(xiàn)有的目標檢測算法在復雜場景中的表現(xiàn)仍然欠佳。因此,研究抗干擾能力強、高效健壯的跟蹤算法依然是亟待完成的工作。在復雜場景的視頻目標跟蹤過程中,有三個主要問題會導致當前的目標跟蹤算法無法準確地找到目標。第一,嚴重遮擋導致跟蹤結果惡化。這是因為當前算法多依賴于連續(xù)的在線更新過程,長期、嚴重的對目標物體的遮擋會使得當前算法的外觀模型傾向于學習并表達關于遮擋物的特征,繼而導致跟蹤結果變差。第二,目標物體產(chǎn)生劇烈形變導致跟蹤結果惡化。這是由于當前算法所建立的外觀模型無法較好地表達目標物發(fā)生剛體或非剛體形變后的狀態(tài),故極易跟蹤到外觀相似的物體上,甚至徹底丟失目標物體。第三,跟蹤器發(fā)生漂移導致跟蹤結果惡化。這是由于跟蹤器易受環(huán)境噪聲的影響,其輸出結果相對正確的目標物體狀態(tài)發(fā)生了偏移,而這一偏移量會... 

【文章來源】：華中科技大學湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：137 頁

【學位級別】：博士

【部分圖文】：

TRM模型改進候選框失效的分析


本文編號：2968894