視覺目標追蹤是計算機視覺領(lǐng)域的研究熱點之一,在無人駕駛,智能安防、人機交互和信息偵查等領(lǐng)域都有十分重要的應(yīng)用價值。由于真實環(huán)境中目標的表觀信息和環(huán)境背景都具有復(fù)雜性和不確定性,使得單目標追蹤任務(wù)仍存在遮擋、運動模糊和背景混淆等難點。近幾年,機器學習技術(shù)經(jīng)常被用于計算機視覺,因為它們有能力利用訓練數(shù)據(jù)來提高性能。不幸的是,大部分的追蹤算法沒有從海量的離線訓練視頻數(shù)據(jù)中受益,而且沒有充分利用到圖片的背景信息,存在著魯棒性差、計算速度慢等問題。為了充分利用海量的視頻數(shù)據(jù)和圖片的背景信息,本文將單目標追蹤模型轉(zhuǎn)化為相似性度量學習模型,并使用三分支神經(jīng)網(wǎng)絡(luò)實現(xiàn)相似性度量學習模型。在訓練階段,該模型學習視頻序列中目標與目標之間的相似性度量、背景與背景之間的相似性度量和目標與背景之間的空間上下文關(guān)系。在測試階段,該模型利用目標與目標之間、背景與背景之間和背景與目標之間的匹配關(guān)系,在知道目標在前一幀中的位置、尺寸信息,目標背景之間的上下文關(guān)系的前提下,準確預(yù)測目標在當前幀中的精確位置和尺寸。如此回環(huán)往復(fù),實時預(yù)測目標的位置和尺寸信息,以達到追蹤的目的。為了增強目標和背景表觀模型的魯棒性及可區(qū)分性,本文... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【部分圖文】：

視覺單目標追蹤基本框架

解決單目標追蹤任務(wù)的Siamese網(wǎng)絡(luò)的結(jié)構(gòu)通常由三部分組成，如圖2-4所示第一部分為特征提取模塊，該部分接收兩張圖像作為輸入X，通過學習一系列的卷積核構(gòu)成特征提取函數(shù)φ，得到具有魯棒性好、區(qū)分性強的特征表F。第二部分為特征比較模塊，該部分接收第一模塊的輸出作為輸出，學習一個非線性度量函數(shù)ψ。對于每一個候選圖像，通過比較其特征表示和目標圖像特征表示，衡量兩者之間的相似度，最后將與目標圖像最相似的候選圖像的位置和尺寸作為輸出P。第三部分為誤差計算模塊，該部分接受第二模塊的輸出P和標- 16 -

準確預(yù)測目標在未來的視頻序列中的位置和尺寸。本小節(jié)將詳細介紹本文使用的三分支網(wǎng)絡(luò)的組成結(jié)構(gòu)。本文提出了基于三分支網(wǎng)絡(luò)的目標追蹤模型，如圖3-1所示。該網(wǎng)絡(luò)包含有三個分支，分別是搜索區(qū)域分支、背景分支和目標分支，每個分支的對應(yīng)輸入分別是搜索區(qū)域圖片PS、背景區(qū)域圖片PB和目標區(qū)域圖片PT，三者獨立地傳遞到三個分支網(wǎng)絡(luò)φS、φB、和φT。使用分支網(wǎng)絡(luò)φS和φT的輸出作為輸入學習目標相似性度量函數(shù) 1，該函數(shù)比較目標φT和搜索區(qū)域φS的每一個窗口，與目標φT相似度較大窗口將被賦予較大的分數(shù)，與目標φT相似度較小的窗口將被賦予較小的分數(shù)。搜索最大的得分窗口，并將其作為所預(yù)測的目標位置。此時只得到了目標的位置，并未得到目標的尺寸。分支網(wǎng)絡(luò)φS和φB的輸出作為輸入學習背景相似性度量函數(shù) 2，該函數(shù)匹配搜索區(qū)域和背景區(qū)域

【參考文獻】：
博士論文
[1]視覺目標跟蹤中表觀建模方法研究[D]. 趙海楠.哈爾濱工業(yè)大學 2016



本文編號：2950168