對視頻中的多個被關注對象進行維持固定身份標識的追蹤,也就是多目標跟蹤(Multi-Object Tracking,MOT),一直是眾多研究者們所感興趣的問題。其在應用于安防、工業(yè)、交通和軍事領域等眾多更復雜的計算機視覺系統(tǒng)中都能發(fā)揮獨特的效果。離線跟蹤能夠利用整段的視頻提供完整的時空信息來支撐跟蹤,而在線跟蹤僅能利用當前幀和歷史幀等已知信息來構建目標軌跡�；谠诰�跟蹤的特性,其能夠滿足諸如視頻監(jiān)控、自動駕駛等場景中所需要的實時性要求。因此,能夠進行實時跟蹤的在線跟蹤算法以及其實現過程中碰到的相關問題是本文的首要關注點。傳統(tǒng)的多目標跟蹤算法,采用人工手段來設定被跟蹤對象。而基于檢測的跟蹤范式則是從給定的視頻每一幀的檢測結果中獲取當前場景中所有物體的位置和類別,再決定算法所關注的對象并加以跟蹤。隨著深度學習技術被應用到目標檢測領域并帶來巨大的性能提升,研究者們都將注意力集中到了基于檢測的跟蹤范式上,并設計出了一系列具有優(yōu)異跟蹤性能的視頻多目標跟蹤器。然而,當前的檢測算法無法在一些目標遮擋嚴重以及目標數量較多的視頻場景中完全準確地識別和定位感興趣的目標,得到的檢測結果中存在著大量的漏檢和誤檢。...

【文章頁數】：128 頁

【學位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與研究意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內外發(fā)展現狀
    1.3 多目標跟蹤的關鍵技術難題
    1.4 主要研究內容簡介
    1.5 論文結構安排
第二章 相關基礎知識
    2.1 網絡模型基礎知識
        2.1.1 殘差神經網絡Resnet
        2.1.2 特征金字塔FPN
        2.1.3 faster-RCNN
    2.2 運動模型基礎知識
        2.2.1 勻速運動模型
        2.2.2 卡爾曼濾波器
        2.2.3 增強相關系數算法
    2.3 數據集以及評估指標
        2.3.1 常用數據集
        2.3.2 評估指標
第三章 基于預測細化和遮擋分類的多目標跟蹤算法
    3.1 引言
    3.2 相關工作
        3.2.1 遮擋處理
        3.2.2 目標檢測
    3.3 多目標跟蹤框架
        3.3.1 跟蹤初始化
        3.3.2 運動預測
        3.3.3 預測細化
        3.3.4 遮擋分類
        3.3.5 數據關聯
        3.3.6 行人重識別
        3.3.7 跟蹤管理
    3.4 網絡結構與目標函數
        3.4.1 網絡結構
        3.4.2 訓練損失
    3.5 實驗
        3.5.1 數據集
        3.5.2 評估指標
        3.5.3 實現細節(jié)
        3.5.4 消融實驗
        3.5.5 遮擋分類分析
        3.5.6 運動模型分析
        3.5.7 基準數據集評估
    3.6 討論
    3.7 本章小結
第四章 基于跟蹤模擬訓練和多功能聚合的多目標跟蹤算法
    4.1 引言
    4.2 相關工作
        4.2.1 外觀模型
        4.2.2 端對端的訓練
        4.2.3 車輛跟蹤
    4.3 運動模型與網絡模型
        4.3.1 運動預測
        4.3.2 網絡結構
        4.3.3 訓練過程
        4.3.4 行人重識別模塊
        4.3.5 跟蹤管理
    4.4 實驗
        4.4.1 數據集
        4.4.2 評估指標
        4.4.3 實驗細節(jié)
        4.4.4 基準數據集評估
        4.4.5 消融研究
        4.4.6 兼容性研究
        4.4.7 訓練損失分析
        4.4.8 視覺化結果
    4.5 討論
    4.6 本章小結
第五章 基于二源運動預測的多目標跟蹤算法
    5.1 引言
    5.2 相關工作
        5.2.1 軌跡預測算法
        5.2.2 Transformer
    5.3 運動預測模型
        5.3.1 運動預測過程
        5.3.2 網絡結構
        5.3.3 跟蹤流程
    5.4 實驗
        5.4.1 數據集
        5.4.2 評估指標
        5.4.3 實驗設置
        5.4.4 基準數據集評估
        5.4.5 運動模型對比
        5.4.6 網絡結構對比
        5.4.7 相機運動信息分析
        5.4.8 跟蹤框架對比
    5.5 討論
    5.6 本章小結
第六章 總結和展望
    6.1 總結
    6.2 展望
參考文獻
致謝
附錄:攻讀博士期間發(fā)表的論文



本文編號：4043336