近年來,我國(guó)的體育事業(yè)不斷進(jìn)步,體育競(jìng)技水平不斷提升,但在冬季運(yùn)動(dòng)項(xiàng)目方面,我國(guó)運(yùn)動(dòng)員整體實(shí)力還存在較大差距。在北京冬奧會(huì)的背景下,通過體育科研,運(yùn)用科技手段輔助各項(xiàng)訓(xùn)練以快速提高運(yùn)動(dòng)員冬季運(yùn)動(dòng)成績(jī)具有重要意義和緊迫性。越野滑雪項(xiàng)目是冬奧會(huì)中的一個(gè)大項(xiàng),我國(guó)運(yùn)動(dòng)員成績(jī)長(zhǎng)期處于國(guó)際中下游。鑒于滑雪賽道范圍廣、變化多,教練員迫切需要一種自動(dòng)化的視頻采集系統(tǒng)能夠?qū)υ揭盎┤袒羞^程進(jìn)行圖像采集,以用于訓(xùn)練分析。隨著計(jì)算機(jī)算力的快速發(fā)展,神經(jīng)網(wǎng)絡(luò)的引入使得計(jì)算機(jī)視覺中的各項(xiàng)應(yīng)用研究取得顯著進(jìn)展,采用神經(jīng)網(wǎng)絡(luò)和深度特征的目標(biāo)跟蹤方法在準(zhǔn)確率、健壯性等方面都大大提升。本課題利用基于神經(jīng)網(wǎng)絡(luò)的目標(biāo)跟蹤算法,結(jié)合PTZ相機(jī),實(shí)現(xiàn)了一種主動(dòng)跟蹤方法,以解決越野滑雪運(yùn)動(dòng)的大視場(chǎng)、高速目標(biāo)跟蹤。本文的主動(dòng)跟蹤屬于一種視覺伺服系統(tǒng),視覺跟蹤的目標(biāo)位置信息將作為相機(jī)控制系統(tǒng)的輸入,因此,目標(biāo)位置信息的實(shí)時(shí)采集是關(guān)鍵。本文引入最新的孿生區(qū)域候選網(wǎng)絡(luò)跟蹤器,簡(jiǎn)稱Siamese-RPN,來檢測(cè)視頻中的運(yùn)動(dòng)員位置。Siamese-RPN采用雙分支結(jié)構(gòu),網(wǎng)絡(luò)前端對(duì)模板(幀)和待檢測(cè)幀分別且同時(shí)計(jì)算;在末端的候選區(qū)域生成網(wǎng)...

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖1-1視覺伺服第四章說明主動(dòng)跟蹤系統(tǒng)的設(shè)計(jì)，介紹了常見的視覺伺服方法，并使用一種

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-9-1.4.2論文結(jié)構(gòu)第二章主要介紹了Siamese-RPN跟蹤器。從結(jié)構(gòu)出發(fā)，分別介紹了網(wǎng)絡(luò)的特征提取部分，RPN定位網(wǎng)絡(luò)部分和網(wǎng)絡(luò)輸出的結(jié)構(gòu)，對(duì)網(wǎng)絡(luò)進(jìn)行了詳細(xì)的剖析。接著介紹了訓(xùn)練數(shù)據(jù)集的預(yù)處理步驟、在網(wǎng)絡(luò)訓(xùn)練過程中的注意點(diǎn)和經(jīng)驗(yàn)等。然后將跟蹤....

圖2-1SiamFC結(jié)構(gòu)圖

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-10-第2章Siamese-RPN跟蹤器2.1引言近年來，基于深度學(xué)習(xí)的跟蹤算法屢屢在性能上取得突破，但是很多算法都犧牲了速度換取精度，而主動(dòng)跟蹤要求相機(jī)與目標(biāo)協(xié)同運(yùn)動(dòng)，這就表示，基礎(chǔ)的跟蹤算法需要有至少達(dá)到實(shí)時(shí)的速度。除了速度外，算法在性能上也需....

圖2-2跟蹤器的基礎(chǔ)Siamese-RPN結(jié)構(gòu)圖

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-11-將孿生網(wǎng)絡(luò)與RPN網(wǎng)絡(luò)結(jié)合。在圖像中布下anchors（錨點(diǎn)）進(jìn)行定位判別，配合目標(biāo)框回歸，訓(xùn)練與測(cè)試時(shí)融合判別和回歸的兩部分損失函數(shù)，加強(qiáng)了定位和尺度變化方面的性能，丟棄尺度金字塔，進(jìn)一步加快速度。Siamese-RPN網(wǎng)絡(luò)主要由三個(gè)部分組....

圖2-3特征提取AlexNet結(jié)構(gòu)圖

哈爾濱工業(yè)大學(xué)工學(xué)碩士學(xué)位論文-12-參數(shù)�？紤]到模型需在工程中使用對(duì)速度有一定的要求，而且接下來對(duì)模型的優(yōu)化部分也需要使用一部分的算力，所以雖然更深的網(wǎng)絡(luò)已經(jīng)可以用在Siamese-RPN中，本課題仍然選用較為輕量級(jí)的AlexNet。圖2-3特征提取AlexNet結(jié)構(gòu)圖Alex....

本文編號(hào)：4043029