發(fā)布時間：2022-07-22 19:05

　　視覺目標跟蹤是計算機視覺領域中的熱門研究課題之一,廣泛應用于視頻監(jiān)控、人機交互、智能交通以及軍事打擊等領域,具有極其重要的實用意義。近年來,目標跟蹤技術取得了長足的進步和豐碩的成果,但是實際的跟蹤場景往往十分復雜存在多種干擾因素,如何兼顧跟蹤精度和跟蹤速度仍然是一個亟需解決的難題。本文對DSST（Accurate Scale Estimation for Robust Visual Tracking）算法進行優(yōu)化改進,提高跟蹤性能,并且對改進的跟蹤算法進行GPU加速實現(xiàn)實時跟蹤。本文的主要研究內(nèi)容如下:1.對DSST算法進行優(yōu)化改進,設計再檢測模塊,提出一種長期目標跟蹤算法DSST-RD（Accurate Scale Estimation for Robust Visual Tracking-Redetection）。DSST算法是一種基于相關濾波的跟蹤算法,首次將目標跟蹤分為目標位置平移和目標尺度變換兩個問題,能夠很好地解決目標尺度變換的問題,但是當目標丟失時無法重定位。因此,本文基于異常值檢測的跟蹤失敗判定方法和相關濾波分類器設計了一個再檢測模型,該模型采用局部搜索為主全局搜索次之... 

【文章頁數(shù)】：79 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 視覺目標跟蹤算法研究現(xiàn)狀
        1.2.2 GPU及CUDA概述
    1.3 本文研究內(nèi)容和結構安排
第二章 DSST跟蹤算法和CUDA理論知識
    2.1 DSST跟蹤算法
        2.1.1 位置估計
        2.1.2 尺度估計
    2.2 FHOG特征
        2.2.1 HOG特征
        2.2.2 FHOG特征
    2.3 跟蹤性能評估指標
        2.3.1 精度評估
        2.3.2 魯棒性評估
        2.3.3 速度評估
    2.4 CUDA
        2.4.1 CUDA編程模型
        2.4.2 CUDA執(zhí)行模型
        2.4.3 CUDA內(nèi)存模型
    2.5 本章小結
第三章 基于再檢測的長期目標跟蹤算法
    3.1 引言
    3.2 目標再檢測
        3.2.1 跟蹤失敗判定
        3.2.2 重定位
    3.3 DSST算法改進
        3.3.1 再檢測模塊
        3.3.2 長期目標跟蹤算法
    3.4 算法評估
        3.4.1 實驗環(huán)境
        3.4.2 算法實際效果分析
        3.4.3 算法性能評估
    3.5 本章小結
第四章 基于DSST-RD算法的CUDA優(yōu)化加速
    4.1 引言
    4.2 DSST-RD算法并行性分析
    4.3 位置估計并行化
        4.3.1 FHOG特征提取并行化。
        4.3.2 高斯核相關計算并行化
        4.3.3 傅里葉變換
    4.4 尺度估計并行化
        4.4.1 多尺度FHOG特征提取
        4.4.2 快速檢測
        4.4.3 模型更新
    4.5 整體內(nèi)存優(yōu)化
    4.6 算法評估
        4.6.1 實驗環(huán)境
        4.6.2 算法加速效果分析
        4.6.3 算法性能評估
    4.7 本章小結
第五章 總結與展望
    5.1 本文工作總結
    5.2 未來工作展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]采用異常值檢測及重定位改進的KCF跟蹤算法[J]. 劉延飛,何燕輝,姜柯,張薇.  計算機工程與應用. 2018(20)
[2]融合顏色特征的核相關濾波器目標長期跟蹤算法[J]. 柯俊敏,洪親,蔡堅勇,李楠,歐陽樂峰,郭升挺.  計算機系統(tǒng)應用. 2018(04)
[3]采用核相關濾波器的長期目標跟蹤[J]. 楊德東,蔡玉柱,毛寧,楊福才.  光學精密工程. 2016(08)

碩士論文
[1]視覺目標跟蹤算法及其CUDA優(yōu)化加速研究[D]. 譚飛楊.西安電子科技大學 2017
[2]基于KCF的目標跟蹤算法改進及GPU系統(tǒng)實現(xiàn)[D]. 劉金花.西安電子科技大學 2017
[3]圖像壓縮中小波變換的GPU高速優(yōu)化方法研究[D]. 楊丹丹.西安電子科技大學 2011



本文編號：3665168