基于分层卷积特征的目标长期跟踪算法研究
发布时间：2021-09-03 10:31
作为计算机视觉领域的一个主流方向,目标跟踪具有重要的研究意义和广泛的商业价值,越来越引起计算机视觉研究者的密切关注。近年来,在国内外研究人员的努力下,以相关滤波和深度学习方法为代表的高水平目标跟踪算法不断被提出,但当目标遇到光照变化、尺度变化、遮挡、快速运动等复杂情况时,快速精确地跟踪目标仍然具有很大挑战。由于卷积神经网络具有优秀的特征表达能力,相关滤波中使用卷积特征替代手工特征,取得了良好的效果。本文基于分层卷积特征相关滤波器HCF,在特征提取、跟踪模型、多个跟踪器的融合处理等方面进行改进。本文的主要内容如下:（1）针对预训练的卷积特征在跟踪任务中存在冗余的问题,设计了一种目标感知模型,通过第一帧的目标信息,学习具有目标感知的深度特征,减少特征数量同时缓解模型过度拟合问题。（2）针对HCF在快速运动、快速形变和目标遮挡等复杂环境跟踪效果较差问题,提出基于特征融合跟踪框架。将特征图从频域隐性插值到连续域,每个特征分支在连续空间域中独立学习由一系列加入空间正则化连续滤波器组成的卷积算子。设计了一种自适应决策融合策略,自适应地融合不同分支的目标位置来定位目标。（3）由于缺少重新检测模块,H...
【文章来源】：燕山大学河北省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
目标跟踪系统
燕山大学工学硕士学位论文10趣目标区域进行相关操作时，获取最大的响应输出即为感兴趣区域的中心坐标，从而实现目标的位置定位，其原理如图2-2所示。图2-2基本原理MOSSE是第一次将相关滤波引入目标跟踪的算法。令f为输入图像，h为需要训练的滤波模板，g为输出响应通常设置为高斯形状。则通过公式表示相关滤波的原理为gfh(2-2)相关滤波器跟踪原理实质上等同于频域滤波，利用快速傅里叶变换将公式(2-2)中的卷积操作变换成如式(2-3)频域中的点乘操作，这样降低了算法的运算量，从而使算法的速度较大提升。*GHF(2-3)其中，G、F和H分别为g、f和h的傅里叶变换，则设计的滤波器为*GHF(2-4)在实际跟踪中，考虑到目标的外观变化的影响，为提高滤波模板的鲁棒性，把目标的m个图像作为参考样本，借助均方和误差求取滤波器，得到目标函数为**21min||miiHiHFG(2-5)求解上式时，利用卷积定理，滤波器中的任意元素均是由频域中矩阵对应元素相乘求得，可以先求解每一个元素，处理完H中的所有元素得到**1*1miiimiiiFGHFF(2-6)这时我们就可以通过求出的滤波模板进行跟踪，把训练获得的滤波器对下一帧图像进行相关操作，得到对应响应值G，经过傅里叶反变换，求出空域中所对应的
第2章分层卷积特征相关滤波11输出响应g，找出响应中最大的点所对应的坐标作为目标的估计位置，从而实现目标的跟踪。2.3核相关滤波Bolme等提出平方误差最小滤波器MOSSE，把相关滤波的思想运用到了跟踪问题中，良好的跟踪性能与极快的跟踪速度，使相关滤波在目标跟踪领域成为了一个研究热点，后续学者深入研究不断提出跟踪性能更好的滤波器。随着基于检测跟踪算法的广泛应用，针对相关滤波中样本数量不足的问题，Henriques等人提出CSK算法，在采样阶段对目标区域进行循环采样，利用中心图像块循环移位近似窗口移位。中心图像及移位后图像如图2-3a)所示，二维循环矩阵示例如图2-3b)所示。作者近一步对CSK改进，提出KCF算法，将CSK中的单通道灰度特征扩展到多通道的HOG特征。下面以KCF算法为例，从训练阶段和检测阶段详细介绍核相关滤波器的主要思想。a)移位图像b)二维矩阵图2-3移位图像在训练阶段将训练相关滤波跟踪器表示为最小化的岭回归问题，取12(,,,)nxxx共n个样本，12(,,,)nyyy分别是样本对应的回归值，对样本训练的目的是得到一个函数()Tfzwz去最小化所有的样本ix与其对应的回归值iy的均方误差，目标函数为221min(())||niiwifxyw(2-7)式中为正则化参数，防止过拟合并且能够提高分类器的泛化能力。求解上式得到
【参考文献】：
期刊论文
[1]基于多层深度卷积特征的抗遮挡实时跟踪算法[J]. 崔洲涓,安军社,崔天舒. 光学学报. 2019(07)
[2]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
[3]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋. 模式识别与人工智能. 2018(01)
[4]视觉导航技术的发展及其研究分析[J]. 王先敏,曾庆化,熊智,刘建业. 信息与控制. 2010(05)
[5]粒子滤波算法综述[J]. 胡士强,敬忠良. 控制与决策. 2005(04)
[6]红外探测阵列对固体导弹尾焰跟踪定位的研究[J]. 赵久奋,王明海. 固体火箭技术. 2000(04)
博士论文
[1]基于混成系统的视频目标检测与跟踪算法研究[D]. 张晓宇.上海交通大学 2016
[2]智能交通监控中运动目标检测与跟踪算法研究[D]. 崔雨勇.华中科技大学 2012
[3]面向智能视频监控的运动目标检测与跟踪方法研究[D]. 焦波.国防科学技术大学 2009
硕士论文
[1]基于相关滤波的视觉目标跟踪[D]. 望少建.西安电子科技大学 2018
[2]基于深度学习的目标跟踪算法研究[D]. 李蓝星.哈尔滨工业大学 2018
本文编号：3380949
【文章来源】：燕山大学河北省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
目标跟踪系统
燕山大学工学硕士学位论文10趣目标区域进行相关操作时，获取最大的响应输出即为感兴趣区域的中心坐标，从而实现目标的位置定位，其原理如图2-2所示。图2-2基本原理MOSSE是第一次将相关滤波引入目标跟踪的算法。令f为输入图像，h为需要训练的滤波模板，g为输出响应通常设置为高斯形状。则通过公式表示相关滤波的原理为gfh(2-2)相关滤波器跟踪原理实质上等同于频域滤波，利用快速傅里叶变换将公式(2-2)中的卷积操作变换成如式(2-3)频域中的点乘操作，这样降低了算法的运算量，从而使算法的速度较大提升。*GHF(2-3)其中，G、F和H分别为g、f和h的傅里叶变换，则设计的滤波器为*GHF(2-4)在实际跟踪中，考虑到目标的外观变化的影响，为提高滤波模板的鲁棒性，把目标的m个图像作为参考样本，借助均方和误差求取滤波器，得到目标函数为**21min||miiHiHFG(2-5)求解上式时，利用卷积定理，滤波器中的任意元素均是由频域中矩阵对应元素相乘求得，可以先求解每一个元素，处理完H中的所有元素得到**1*1miiimiiiFGHFF(2-6)这时我们就可以通过求出的滤波模板进行跟踪，把训练获得的滤波器对下一帧图像进行相关操作，得到对应响应值G，经过傅里叶反变换，求出空域中所对应的
第2章分层卷积特征相关滤波11输出响应g，找出响应中最大的点所对应的坐标作为目标的估计位置，从而实现目标的跟踪。2.3核相关滤波Bolme等提出平方误差最小滤波器MOSSE，把相关滤波的思想运用到了跟踪问题中，良好的跟踪性能与极快的跟踪速度，使相关滤波在目标跟踪领域成为了一个研究热点，后续学者深入研究不断提出跟踪性能更好的滤波器。随着基于检测跟踪算法的广泛应用，针对相关滤波中样本数量不足的问题，Henriques等人提出CSK算法，在采样阶段对目标区域进行循环采样，利用中心图像块循环移位近似窗口移位。中心图像及移位后图像如图2-3a)所示，二维循环矩阵示例如图2-3b)所示。作者近一步对CSK改进，提出KCF算法，将CSK中的单通道灰度特征扩展到多通道的HOG特征。下面以KCF算法为例，从训练阶段和检测阶段详细介绍核相关滤波器的主要思想。a)移位图像b)二维矩阵图2-3移位图像在训练阶段将训练相关滤波跟踪器表示为最小化的岭回归问题，取12(,,,)nxxx共n个样本，12(,,,)nyyy分别是样本对应的回归值，对样本训练的目的是得到一个函数()Tfzwz去最小化所有的样本ix与其对应的回归值iy的均方误差，目标函数为221min(())||niiwifxyw(2-7)式中为正则化参数，防止过拟合并且能够提高分类器的泛化能力。求解上式得到
【参考文献】：
期刊论文
[1]基于多层深度卷积特征的抗遮挡实时跟踪算法[J]. 崔洲涓,安军社,崔天舒. 光学学报. 2019(07)
[2]目标跟踪算法综述[J]. 孟琭,杨旭. 自动化学报. 2019(07)
[3]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋. 模式识别与人工智能. 2018(01)
[4]视觉导航技术的发展及其研究分析[J]. 王先敏,曾庆化,熊智,刘建业. 信息与控制. 2010(05)
[5]粒子滤波算法综述[J]. 胡士强,敬忠良. 控制与决策. 2005(04)
[6]红外探测阵列对固体导弹尾焰跟踪定位的研究[J]. 赵久奋,王明海. 固体火箭技术. 2000(04)
博士论文
[1]基于混成系统的视频目标检测与跟踪算法研究[D]. 张晓宇.上海交通大学 2016
[2]智能交通监控中运动目标检测与跟踪算法研究[D]. 崔雨勇.华中科技大学 2012
[3]面向智能视频监控的运动目标检测与跟踪方法研究[D]. 焦波.国防科学技术大学 2009
硕士论文
[1]基于相关滤波的视觉目标跟踪[D]. 望少建.西安电子科技大学 2018
[2]基于深度学习的目标跟踪算法研究[D]. 李蓝星.哈尔滨工业大学 2018
本文编号：3380949
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3380949.html
