在目標跟蹤過程中,目標的尺度在短時間內(nèi)發(fā)生突變會導致跟蹤要素的丟失,造成跟蹤誤差不斷積累,最終導致目標跟蹤漂移。近年來,深度學習方法在目標檢測上取得了很大的進展,本文為了更好的解決目標尺度突變造成跟蹤準確率低的難題,對該問題進行研究,設計提出了利用深度學習網(wǎng)絡先進行目標檢測后利用核相關濾波方法進行跟蹤的自適應尺度突變的跟蹤算法(KCF_YOLO),并通過實驗驗證了該模型的有效性。本文具體工作如下:首先,對目標跟蹤的公開數(shù)據(jù)集進行大量實驗,分析后得出跟蹤準確率較低時視頻序列的共性是目標尺度發(fā)生突變,并把OTB和VOT公開數(shù)據(jù)集中具有尺度突變的視頻序列挑選出來以便后續(xù)進行實驗。其次,提出一種改進的目標跟蹤算法(KCF_YOLO),改進點是將傳統(tǒng)核相關濾波算法邊檢測邊跟蹤的模式改為先檢測后跟蹤,將深度學習與傳統(tǒng)的核相關濾波跟蹤進行結(jié)合應用在目標跟蹤的過程中,深度學習網(wǎng)絡的加入,不僅可以學習到更加精確的特征表示,而且可以較為有效應對視頻序列低分辨率的情況,使得該算法在尺度突變的情況下得到了更加準確的目標跟蹤。同時將相同的視頻序列應用于KCF、SAMF、fDSST、DSST、TLD五種跟蹤算法,... 

【文章來源】：大連海事大學遼寧省 211工程院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖１．３目標跟蹤的應用場景示例??（ａ人流監(jiān)控；ｂ無人駕駛；ｃ人機交互；ｄ智能監(jiān)控）??Ｆｉｇ．?１．３?Ｅｘａｍｐｌｅ?ａｐｐｌｉｃａｔｉｏｎ?ｓｃｅｎａｒｉｏｓ?ｆｏｒ?ｔａｒｇｅｔ?ｔｒａｃｋｉｎｇ??（ａ?ｆｌｏｗ?ｍｏｎｉｔｏｒｉｎｇ；?ｂ?ｕｎｍａｎｎｅｄ；?ｃ?ｈｕｍａｎ－ｃｏｍｐｕｔｅｒ?ｉｎｔｅｒａｃｔｉｏｎ；?ｄ?ｉｎｔｅｌｌｉｇｅｎｔ?ｍｏｎｉｔｏｒｉｎｇ）??

?自適應尺度突變的目標跟蹤算法研宂????（ａ）?（ｂ）?（ｃ）?（ｄ）??圖１．５目標遮擋實例?＾?，??（ａ?Ｊｏｇｇｉｎｇ?第?１?巾貞；ｂ?Ｊｏｇｇｉｎｇ?第?６３屬；ｃ?Ｊｏｇｇｉｎｇ?第?６９．巾貞；ｄ，Ｊｏｇｇｉｎｇ?第?７３?中貞）??，?Ｆｉｇ．?１．５?Ｅｘａｍｐｌｅ?ｏｆ?ｔａｒｇｅｔ?ｏｃｃｌｕｓｉｏｎ?、＇??（ａ?Ｊｏｇｇｉｎｇ?ｆｒａｍｅ?１；?ｂ?Ｊｏｇｇｉｎｇ?ｆｉｒａｍｅ?６３；?ｃ?Ｊｏｇｇｉｎｇ?ｆｒａｍｅ?６９；?ｄ?Ｊｏｇｇｉｎｇ?ｆｒａｍｅ?７３）??（３）實際應用中有些圖像的背景信息較為復雜、光照強度、攝像頭的低分??辨率、目標是否產(chǎn)生形變、目標，快速運動導致目標較￥模糊對跟蹤效也有影響。??圖１．６是ＯＴＢ１００數(shù)掲集豐Ｂａｓｋｅｔｂａｌｌ，視頻序列光照變化部分，以及Ｃａｆｆｉａｒｋ序??列的背景復雜實例；圖１．７是ＯＴＢ１００數(shù)據(jù)集中Ｊｕｍｐ岸列形變實例。??（ａ）?Ｂａｓｋｅｔｂａｌｌ?第?６４９?巾貞?（ｂ）?Ｂａｓｋｅｔｂａｌｌ?第?６５０?頓?（ｃ）?ＣａｒＤａｒｋ?第?１?中貞??圖１．６光照變化、背景復雜實例??（ａ?Ｂａｓｋｅｔｂａｌｌ?第?６４９?幀；ｂ?Ｂａｓｋｅｔｂａｌｌ?第?６５０?巾貞；ｃ?ＣａｒＤａｒｋ第?１?中貞）？??Ｆｉｇ?１．６?Ｅｘａｍｐｌｅ?ｏｆ?ｌｉｇｈｔｉｎｇ?ｃｈａｎｇｅｓ?ａｎｄ?ｃｏｍｐｌｅｘ?ｂａｃｋｇｉ＇ｏｕｎｄ??（ａ?Ｂａｓｋｅｔｂａｌｌ?ｆｒａｍｅ?６４９；?ｂ?Ｂａｓｋｅｔｂａｌｌ?ｆｉ＇ａｍｅ?６５０；?ｃ?ＣａｒＤａｒｋ?ｆｒａｍｅ?１）??？?ＲＥＩ＾ＲＲＲ種??（ａ）?（ｂ）??圖

?自適應尺度突變的目標跟蹤算法研宂????（ａ）?（ｂ）?（ｃ）?（ｄ）??圖１．５目標遮擋實例?＾?，??（ａ?Ｊｏｇｇｉｎｇ?第?１?巾貞；ｂ?Ｊｏｇｇｉｎｇ?第?６３屬；ｃ?Ｊｏｇｇｉｎｇ?第?６９．巾貞；ｄ，Ｊｏｇｇｉｎｇ?第?７３?中貞）??，?Ｆｉｇ．?１．５?Ｅｘａｍｐｌｅ?ｏｆ?ｔａｒｇｅｔ?ｏｃｃｌｕｓｉｏｎ?、＇??（ａ?Ｊｏｇｇｉｎｇ?ｆｒａｍｅ?１；?ｂ?Ｊｏｇｇｉｎｇ?ｆｉｒａｍｅ?６３；?ｃ?Ｊｏｇｇｉｎｇ?ｆｒａｍｅ?６９；?ｄ?Ｊｏｇｇｉｎｇ?ｆｒａｍｅ?７３）??（３）實際應用中有些圖像的背景信息較為復雜、光照強度、攝像頭的低分??辨率、目標是否產(chǎn)生形變、目標，快速運動導致目標較￥模糊對跟蹤效也有影響。??圖１．６是ＯＴＢ１００數(shù)掲集豐Ｂａｓｋｅｔｂａｌｌ，視頻序列光照變化部分，以及Ｃａｆｆｉａｒｋ序??列的背景復雜實例；圖１．７是ＯＴＢ１００數(shù)據(jù)集中Ｊｕｍｐ岸列形變實例。??（ａ）?Ｂａｓｋｅｔｂａｌｌ?第?６４９?巾貞?（ｂ）?Ｂａｓｋｅｔｂａｌｌ?第?６５０?頓?（ｃ）?ＣａｒＤａｒｋ?第?１?中貞??圖１．６光照變化、背景復雜實例??（ａ?Ｂａｓｋｅｔｂａｌｌ?第?６４９?幀；ｂ?Ｂａｓｋｅｔｂａｌｌ?第?６５０?巾貞；ｃ?ＣａｒＤａｒｋ第?１?中貞）？??Ｆｉｇ?１．６?Ｅｘａｍｐｌｅ?ｏｆ?ｌｉｇｈｔｉｎｇ?ｃｈａｎｇｅｓ?ａｎｄ?ｃｏｍｐｌｅｘ?ｂａｃｋｇｉ＇ｏｕｎｄ??（ａ?Ｂａｓｋｅｔｂａｌｌ?ｆｒａｍｅ?６４９；?ｂ?Ｂａｓｋｅｔｂａｌｌ?ｆｉ＇ａｍｅ?６５０；?ｃ?ＣａｒＤａｒｋ?ｆｒａｍｅ?１）??？?ＲＥＩ＾ＲＲＲ種??（ａ）?（ｂ）??圖

【參考文獻】：
期刊論文
[1]基于核濾波器實時運動目標的抗遮擋再跟蹤[J]. 湯學猛,陳志國,傅毅.  光電工程. 2020(01)
[2]基于遮擋檢測和多塊位置信息融合的分塊目標跟蹤算法[J]. 儲珺,危振,繆君,王璐.  模式識別與人工智能. 2020(01)
[3]多特征融合與尺度自適應核相關濾波跟蹤算法[J]. 馮漢,王永雄,張孫杰.  計算機與數(shù)字工程. 2019(05)
[4]自適應特征融合的多尺度相關濾波目標跟蹤算法[J]. 陳智,柳培忠,駱炎民,汪鴻翔,杜永兆.  計算機輔助設計與圖形學學報. 2018(11)
[5]快速尺度自適應核相關濾波目標跟蹤算法[J]. 何雪東,周盛宗.  激光與光電子學進展. 2018(12)
[6]智能視頻監(jiān)控技術研究綜述[J]. 賈寧.  數(shù)字通信世界. 2018(07)
[7]特征融合的尺度自適應相關濾波跟蹤算法[J]. 李聰,鹿存躍,趙珣,章寶民,王紅雨.  光學學報. 2018(05)
[8]無人機系統(tǒng)與人工智能[J]. 樊邦奎,張瑞雨.  武漢大學學報(信息科學版). 2017(11)
[9]自適應尺度的快速相關濾波跟蹤算法[J]. 馬曉楠,劉曉利,李銀伢.  計算機輔助設計與圖形學學報. 2017(03)
[10]核相關濾波跟蹤算法的尺度自適應改進[J]. 錢堂慧,羅志清,李果家,李應蕓,李顯凱.  計算機應用. 2017(03)

博士論文
[1]未知環(huán)境中智能機器人的視覺導航技術研究[D]. 林義閩.北京郵電大學 2014

碩士論文
[1]面向無人駕駛的三維激光雷達目標檢測與追蹤算法研究[D]. 任禹衡.吉林大學 2019
[2]尺度特征自適應的相關濾波跟蹤算法研究[D]. 孫蕾.南京郵電大學 2018
[3]面向邊境安防的運動目標檢測與跟蹤算法研究[D]. 劉洋.重慶大學 2016
[4]智能醫(yī)療診斷系統(tǒng)的研究與實現(xiàn)[D]. 梁耀波.北京理工大學 2016



本文編號：2927564