目標(biāo)發(fā)生尺度和旋轉(zhuǎn)變化會(huì)給長(zhǎng)時(shí)間目標(biāo)跟蹤帶來很大的挑戰(zhàn),針對(duì)該問題,本文提出了具有尺度和旋轉(zhuǎn)適應(yīng)性的魯棒目標(biāo)跟蹤算法.首先針對(duì)跟蹤過程中目標(biāo)存在的尺度變化和旋轉(zhuǎn)運(yùn)動(dòng),提出一種基于傅里葉-梅林變換和核相關(guān)濾波的目標(biāo)尺度和旋轉(zhuǎn)參數(shù)估計(jì)方法.該方法能夠?qū)崿F(xiàn)連續(xù)空間的目標(biāo)尺度和旋轉(zhuǎn)參數(shù)估計(jì),采用核相關(guān)濾波提高了估計(jì)的魯棒性和準(zhǔn)確性.然后針對(duì)長(zhǎng)時(shí)間目標(biāo)跟蹤過程中,有時(shí)不可避免地會(huì)出現(xiàn)跟蹤失敗的情況(例如由于長(zhǎng)時(shí)間半遮擋或全遮擋等),提出一種基于直方圖和方差加權(quán)的目標(biāo)搜索方法.當(dāng)目標(biāo)丟失時(shí),通過提出的搜索方法能夠快速從圖像中確定目標(biāo)可能存在的區(qū)域,使得跟蹤算法具有從失敗中恢復(fù)的能力.本文還訓(xùn)練了兩個(gè)核相關(guān)濾波器用于估計(jì)跟蹤結(jié)果的置信度和目標(biāo)平移,通過專門的核相關(guān)濾波器能夠使得估計(jì)的跟蹤結(jié)果置信度更加準(zhǔn)確和魯棒,置信度的估計(jì)結(jié)果可用于激活基于直方圖和方差加權(quán)的目標(biāo)搜索模塊,并判斷搜索窗口中是否包含目標(biāo).本文在目標(biāo)跟蹤標(biāo)準(zhǔn)數(shù)據(jù)集(Online object tracking benchmark, OTB)上對(duì)提出的算法和目前主流的目標(biāo)跟蹤算法進(jìn)行對(duì)比實(shí)驗(yàn),驗(yàn)證了本文提出算法的有效性和優(yōu)越性.

【文章頁數(shù)】：16 頁

【部分圖文】：

圖４目標(biāo)標(biāo)注真值、跟蹤產(chǎn)生的非標(biāo)準(zhǔn)矩形和??非標(biāo)準(zhǔn)矩形的外接矩形示意圖??

閾值來判斷跟蹤算法的成功率并不公??平５?ＯＴＢ分別使用成功率圖和精度圖曲線下的面積??（Ａ雌ｕｎｄｅｒ?ｃｕｒｖｅ，?ＡＴＪＯ：）對(duì)踉：蹤霧法進(jìn)抒排序??ＯＴＢ標(biāo)注真值為標(biāo)準(zhǔn)矩形（矩形的兩邊和圖像的邊??界平行）＋其童疊度和精度的計(jì)算方法針對(duì)的也是兩??個(gè)標(biāo)準(zhǔn)矩形？本文通過估計(jì)....

本文編號(hào)：3907051