目標跟蹤技術(shù)作為計算機視覺領(lǐng)域研究的一個熱點,在視覺監(jiān)控、人機交互、智能交通、軍事制導等領(lǐng)域有著廣泛的應(yīng)用。經(jīng)過幾十年的發(fā)展,許多優(yōu)秀的理論和跟蹤算法被提出,這使得跟蹤的準確性和魯棒性有了較大的提高。然而在實際跟蹤場景中,由于目標受到遮擋、尺度變化等因素的影響,如何提高算法的實時性和魯棒性仍是一個有較強挑戰(zhàn)性的難點。為此,本文開展了基于核相關(guān)濾波的分塊與尺度自適應(yīng)跟蹤方法的研究。主要工作如下:1)基于核相關(guān)濾波的分塊融合跟蹤算法（Block fusion tracking algorithm tracker based on Kernelized Correlation Filters,BKCF）。首先,根據(jù)目標的大小及寬高比對其進行自適應(yīng)分塊,并對各子塊提取其方向梯度直方圖和顏色特征;然后,利用融合后的特征對每個子塊進行核相關(guān)濾波跟蹤,得到各子塊的最大響應(yīng)位置;接著,通過子塊目標與原目標間的幾何關(guān)系得到其對應(yīng)的候選目標位置;最后,通過對各候選目標位置加權(quán)平均得到最終的目標響應(yīng)位置。此外,以子塊響應(yīng)圖的峰值旁瓣比和其響應(yīng)位置與目標最終位置的歐氏距離為判據(jù)來判斷該子塊的有效性,對于有效的... 

【文章來源】：廣西師范大學廣西壯族自治區(qū)

【文章頁數(shù)】：50 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文的主要工作和論文結(jié)構(gòu)安排
第2章 目標跟蹤理論基礎(chǔ)
    2.1 目標跟蹤的基本流程
        2.1.1 特征提取
        2.1.2 目標模型
        2.1.3 目標搜索
        2.1.4 模型更新
    2.2 相關(guān)濾波目標跟蹤算法
        2.2.1 循環(huán)矩陣
        2.2.3 線性回歸
        2.2.4 快速檢測與目標定位
    2.3 本章小結(jié)
第3章 基于核相關(guān)濾波的分塊融合跟蹤算法
    3.1 引言
    3.2 目標分塊與多特征融合跟蹤
        3.2.1 目標自適應(yīng)分塊
        3.2.2 子塊特征提取與融合
        3.2.3 子塊跟蹤與目標定位
        3.2.4 子塊更新
    3.3 實驗與結(jié)果分析
        3.3.1 實驗定性分析
        3.3.2 定量比較
    3.4 小結(jié)
第4章 基于BKCF改進的尺度自適應(yīng)跟蹤算法
    4.1 引言
    4.2 尺度不變特征
    4.3 子塊尺度估計
    4.4 目標尺度自適應(yīng)
    4.5 實驗與結(jié)果分析
        4.5.1 實驗定性分析
        4.5.2 實驗定量分析
    4.6 小結(jié)
第5章 總結(jié)與展望
    5.1 本文總結(jié)
    5.2 研究展望
參考文獻
攻讀碩士期間的科研情況
致謝


【參考文獻】：
期刊論文
[1]深度學習的目標跟蹤算法綜述[J]. 李璽,查宇飛,張?zhí)熘?崔振,左旺孟,侯志強,盧湖川,王菡子.  中國圖象圖形學報. 2019(12)
[2]基于深度學習和醫(yī)學圖像的癌癥計算機輔助診斷研究進展[J]. 陳詩慧,劉維湘,秦璟,陳亮亮,賓果,周煜翔,汪天富,黃炳升.  生物醫(yī)學工程學雜志. 2017(02)
[3]虛擬現(xiàn)實綜述[J]. 趙沁平.  中國科學（F輯:信息科學）. 2009(01)



本文編號：3629928