目標跟蹤是計算機視覺研究中一個重要內(nèi)容,在智能監(jiān)控、自動駕駛、醫(yī)療診斷等各個領(lǐng)域中都有著廣泛的應(yīng)用。然而實際的跟蹤應(yīng)用面臨各種復(fù)雜環(huán)境場景,仍然存在許多問題亟需解決,因此,探索高效魯棒的跟蹤算法具有重要的研究意義。本文針對具體的難點問題,分別從基于相關(guān)濾波跟蹤框架和基于孿生網(wǎng)絡(luò)跟蹤框架出發(fā),提出相應(yīng)解決方案來提高跟蹤性能,降低背景噪聲,劇烈外觀變化等因素的影響,并通過實驗來驗證所提方法的有效性,具體研究工作包含以下兩方面:(1)針對相關(guān)濾波方法假設(shè)跟蹤目標的形狀是一個服從高斯分布的軸對齊矩形框,不可避免的引入背景信息,影響跟蹤性能的問題。提出融合多線索背景信息的相關(guān)濾波跟蹤算法,通過獨立訓(xùn)練兩個相關(guān)濾波器來提高跟蹤性能。算法在相關(guān)濾波跟蹤框架下,首先采樣樣本圖像訓(xùn)練第一個濾波器,生成目標響應(yīng)點。然后利用高斯插值的方式得到其它響應(yīng)點,第一個濾波器生成的所有響應(yīng)點看成是先驗?zāi)繕隧憫?yīng)并用于訓(xùn)練第二個濾波器。預(yù)測目標位置時,聯(lián)合第一個濾波器的目標響應(yīng)得到最終的跟蹤結(jié)果。模型更新時,引入高置信度模型更新策略來緩解模型漂移的問題,公開基準數(shù)據(jù)集上的實驗結(jié)果表明所提方法的有效性。(2)針對一些基于孿...

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于相關(guān)濾波的目標跟蹤算法研究現(xiàn)狀
        1.2.2 基于深度學(xué)習(xí)的目標跟蹤算法研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容和組織結(jié)構(gòu)
        1.3.1 論文主要研究內(nèi)容
        1.3.2 論文組織結(jié)構(gòu)
第2章 單目標跟蹤相關(guān)理論方法
    2.1 目標跟蹤概述
        2.1.1 目標跟蹤任務(wù)
        2.1.2 常用的目標跟蹤數(shù)據(jù)集
    2.2 基于相關(guān)濾波的目標跟蹤
        2.2.1 相關(guān)濾波原理
        2.2.2 相關(guān)濾波基礎(chǔ)知識
        2.2.3 基于相關(guān)濾波的目標跟蹤框架
    2.3 基于孿生網(wǎng)絡(luò)的目標跟蹤
        2.3.1 孿生網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.2 基于孿生網(wǎng)絡(luò)的目標跟蹤框架
    2.4 本章小結(jié)
第3章 融合多線索背景信息的相關(guān)濾波目標跟蹤
    3.1 基于特征融合的目標跟蹤算法
    3.2 融合多線索背景信息的目標跟蹤算法
    3.3 實驗結(jié)果與分析
        3.3.1 實驗細節(jié)和實驗參數(shù)設(shè)置
        3.3.2 定性定量實驗結(jié)果分析
        3.3.3 消蝕實驗分析
    3.4 本章小結(jié)
第4章 多線索級聯(lián)的深度目標跟蹤
    4.1 動態(tài)孿生網(wǎng)絡(luò)跟蹤算法
    4.2 多線索級聯(lián)的跟蹤方法
        4.2.1 低層學(xué)習(xí)
        4.2.2 中層學(xué)習(xí)
        4.2.3 高層學(xué)習(xí)
    4.3 實驗與結(jié)果分析
        4.3.1 實驗設(shè)置
        4.3.2 實驗結(jié)果分析
        4.3.3 參數(shù)分析
    4.4 本章小結(jié)
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻
致謝
攻讀學(xué)位期間取得的科研成果清單



本文編號：3738121