目標跟蹤是計算機視覺領(lǐng)域中的重要研究方向,在視頻監(jiān)控、智能交通、視覺導航和軍事制導等方面有著深刻的研究意義和深遠的應(yīng)用前景。目標跟蹤的實質(zhì)是在連續(xù)的視頻圖像序列中預測特定目標狀態(tài),即持續(xù)估計目標對象位置和尺度信息。然而,在實際跟蹤的復雜環(huán)境下,實現(xiàn)準確性高且魯棒性強的目標跟蹤面臨眾多困難和挑戰(zhàn)。利用深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)的目標跟蹤算法由于其高效的特征表達能力和分類判別能力備受關(guān)注,本文以基于卷積神經(jīng)網(wǎng)絡(luò)的跟蹤算法為基礎(chǔ),分別從網(wǎng)絡(luò)模型構(gòu)建和外觀特征建模的角度對目標跟蹤算法的魯棒性進行深入研究,旨在提高算法準確性和穩(wěn)定性,從而有效緩解復雜跟蹤場景下的目標漂移問題。本文針對網(wǎng)絡(luò)模型在長期跟蹤過程中被歧義樣本污染導致可靠性降低的問題,提出了一種基于可靠性度量網(wǎng)絡(luò)的目標跟蹤算法。該方法將可靠性度量網(wǎng)絡(luò)和任意卷積神經(jīng)網(wǎng)絡(luò)通過共享卷積層的方式進行連接,利用雙重網(wǎng)絡(luò)判定當前預測結(jié)果的可靠程度并且修正偏差跟蹤結(jié)果,從而有效避免預測誤差過度累積和整體網(wǎng)絡(luò)判別能力下降的問題。為使可靠性度量網(wǎng)絡(luò)能夠更加準確地估計預測結(jié)果與真實目標的相似程度,該方法采用特征選擇模型和相似度量融合策略分別優(yōu)化目標外觀特征和相似度量標... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 目標跟蹤研究內(nèi)容
        1.2.2 目標跟蹤任務(wù)難點
        1.2.3 目標跟蹤研究進展
    1.3 本文內(nèi)容與章節(jié)安排
2 卷積神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
    2.1 神經(jīng)網(wǎng)絡(luò)概述
        2.1.1 人工神經(jīng)元模型
        2.1.2 前饋神經(jīng)網(wǎng)絡(luò)架構(gòu)
    2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)發(fā)展進程
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)特性
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    2.3 神經(jīng)網(wǎng)絡(luò)傳播算法
        2.3.1 前向傳播算法
        2.3.2 誤差反向傳播算法
    2.4 本章小結(jié)
3 基于可靠性度量網(wǎng)絡(luò)的目標跟蹤算法
    3.1 問題描述
    3.2 算法描述
    3.3 可靠性度量網(wǎng)絡(luò)模型搭建
    3.4 樣本數(shù)據(jù)優(yōu)化策略
        3.4.1 特征選擇模型
        3.4.2 樣本相似度量融合
    3.5 網(wǎng)絡(luò)模型更新策略
    3.6 實驗結(jié)果與分析
    3.7 本章小結(jié)
4 基于注意力機制的孿生候選區(qū)域生成網(wǎng)絡(luò)目標跟蹤算法
    4.1 問題描述
    4.2 孿生候選區(qū)域生成網(wǎng)絡(luò)思想
        4.2.1 孿生神經(jīng)網(wǎng)絡(luò)
        4.2.2 候選區(qū)域生成網(wǎng)絡(luò)
        4.2.3 邊界框回歸策略
    4.3 注意力機制思想
    4.4 基于注意力機制的孿生候選區(qū)域生成網(wǎng)絡(luò)算法
        4.4.1 算法描述
        4.4.2 注意力機制網(wǎng)絡(luò)模型
        4.4.3 基于注意力網(wǎng)絡(luò)的多尺度目標跟蹤
    4.5 實驗結(jié)果與分析
    4.6 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表學術(shù)論文情況
致謝


【參考文獻】：
期刊論文
[1]軍用無人機技術(shù)智能化發(fā)展及應(yīng)用[J]. 尹欣繁,章貴川,彭先敏,李雷,田斌.  國防科技. 2018(05)
[2]基于體感的在線互動教育游戲設(shè)計與實現(xiàn)[J]. 班蕊,丁丹丹,張明敏,沈華清.  系統(tǒng)仿真學報. 2017(11)
[3]Kernel density estimation and marginalized-particle based probability hypothesis density filter for multi-target tracking[J]. 張路平,王魯平,李飚,趙明.  Journal of Central South University. 2015(03)
[4]引入視覺注意機制的目標跟蹤方法綜述[J]. 黎萬義,王鵬,喬紅.  自動化學報. 2014(04)
[5]多特征自適應(yīng)融合的軍事偽裝目標跟蹤[J]. 李科,徐克虎,張波.  計算機工程與應(yīng)用. 2012(34)

博士論文
[1]復雜動態(tài)場景下在線視覺目標跟蹤算法研究[D]. 齊苑辰.東北大學 2015
[2]目標跟蹤系統(tǒng)中的魯棒性研究[D]. 姚志均.華中科技大學 2012



本文編號：3221272