視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域中的經(jīng)典問(wèn)題。其通過(guò)第一幀中的目標(biāo)圖像來(lái)預(yù)測(cè)目標(biāo)在之后各幀中的狀態(tài),為行為分析和異常檢測(cè)等研究提供軌跡信息。隨著人工智能和機(jī)器學(xué)習(xí)算法的不斷發(fā)展,視頻目標(biāo)跟蹤已經(jīng)廣泛應(yīng)用于人們的生產(chǎn)生活中,對(duì)其研究具有較高的理論價(jià)值和廣泛的應(yīng)用價(jià)值。由于跟蹤目標(biāo)和場(chǎng)景的復(fù)雜性與多樣性,提升跟蹤算法在遮擋、快速運(yùn)動(dòng)、形變等復(fù)雜場(chǎng)景下的跟蹤性能,仍然是視頻目標(biāo)跟蹤中亟需解決的問(wèn)題。本文針對(duì)視頻目標(biāo)跟蹤算法在復(fù)雜場(chǎng)景下所面臨的問(wèn)題和挑戰(zhàn),分別基于生成式模型、判別式模型、混合式模型以及深度模型四個(gè)方面構(gòu)建跟蹤算法,以期獲得一個(gè)具有較好普適性和跟蹤性能的視頻目標(biāo)跟蹤方案。本文主要的研究?jī)?nèi)容及成果如下:（1）提出了一種基于雙層超像素和反饋機(jī)制的生成式跟蹤算法。首先,采用雙邊濾波器濾除視頻圖像中的噪聲,突出目標(biāo)的邊緣信息,以便目標(biāo)的超像素分割,并提出一個(gè)基于粗、細(xì)粒度超像素的目標(biāo)外觀表征模型。該模型可以自適應(yīng)調(diào)節(jié)超像素個(gè)數(shù),提升外觀表征模型的表征能力。然后,提出一種結(jié)合超像素顏色和空間相對(duì)位置的相似性度量方法用于置信度圖的計(jì)算,該度量方法同時(shí)考慮了目標(biāo)的顏色相似性和空間結(jié)構(gòu)信息。最后,通... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：167 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

視頻目標(biāo)跟蹤的基本思路[27]

光照變化挑戰(zhàn)(Illumination Variation,IV)指的是隨著視頻幀的推移,目標(biāo)區(qū)域的光照出現(xiàn)明顯變化的情形,如圖1.3所示。這種情況會(huì)導(dǎo)致目標(biāo)顏色或者灰度特征的急劇變化,造成基于顏色或者灰度構(gòu)建的目標(biāo)外觀表征模型不能很好的表示目標(biāo)從而造成跟蹤失敗。(2)尺度變化挑戰(zhàn)

尺度變化挑戰(zhàn)(Scale Variation,SV)指的是隨著目標(biāo)視頻幀的推移,初始幀中的目標(biāo)框和當(dāng)前目標(biāo)框的比值超過(guò)一個(gè)特定的閾值ts的情況,其中閾值ts>1,在文獻(xiàn)[115]中ts被設(shè)定為2,如圖1.4所示。目標(biāo)尺度的變化會(huì)伴隨著目標(biāo)像素個(gè)數(shù)的變化,對(duì)跟蹤算法外觀表征模型的構(gòu)建帶來(lái)挑戰(zhàn)。有時(shí)跟蹤算法能定位目標(biāo)的中心位置,但是卻很難估計(jì)目標(biāo)的大小從而造成跟蹤算法精確度較高,但成功率不高的情況。(3)遮擋挑戰(zhàn)

【參考文獻(xiàn)】：
期刊論文
[1]精確制導(dǎo)系統(tǒng)面臨的挑戰(zhàn)與對(duì)策[J]. 高曉冬,王楓,范晉祥.  戰(zhàn)術(shù)導(dǎo)彈技術(shù). 2017(06)
[2]無(wú)人機(jī)導(dǎo)航路徑跟蹤精確制導(dǎo)仿真研究[J]. 陳子昂,杏建軍,鄭黎明,于洋.  計(jì)算機(jī)仿真. 2017(10)
[3]中國(guó)智能交通系統(tǒng)發(fā)展戰(zhàn)略研究[J]. 王笑京,沈鴻飛,汪林.  交通運(yùn)輸系統(tǒng)工程與信息. 2006(04)
[4]人機(jī)交互的進(jìn)展及面臨的挑戰(zhàn)[J]. 董士海.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2004(01)

博士論文
[1]視頻目標(biāo)跟蹤技術(shù)研究[D]. 謝超.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[2]基于視覺(jué)系統(tǒng)的智能目標(biāo)跟蹤算法研究[D]. 產(chǎn)思賢.浙江工業(yè)大學(xué) 2018
[3]復(fù)雜環(huán)境下魯棒目標(biāo)跟蹤方法[D]. 李軍偉.浙江工業(yè)大學(xué) 2018
[4]智能視頻監(jiān)控下的多目標(biāo)跟蹤技術(shù)研究[D]. 李彤.中國(guó)科學(xué)技術(shù)大學(xué) 2013
[5]智能視頻監(jiān)控技術(shù)研究[D]. 孔曉東.上海交通大學(xué) 2008

碩士論文
[1]精確制導(dǎo)中的圖像匹配和跟蹤算法研究[D]. 沈曄青.南京航空航天大學(xué) 2007



本文編號(hào)：3584122