基于核相关滤波的长时间实时目标跟踪算法研究

发布时间：2020-06-03 06:46

【摘要】：基于计算机视觉的目标跟踪是指在连续视频序列中持续定位目标物体的过程,它在人机交互、安全监控、增强现实、医学影像和自主导航等多个领域都有紧迫的应用需求。近年来,随着实际应用场景的复杂度逐渐增加,目标跟踪算法所遇到的挑战也逐渐增大。照明变化、尺度及形态变化、快速运动、运动模糊、遮挡、消失和保持实时性等问题都对实现视频中目标的鲁棒跟踪带来了极大的挑战。因此,设计并实现针对复杂环境的实时的、鲁棒的目标跟踪算法具有很高的研究和应用价值。本文针对无人移动平台单目标长时间跟踪的问题,通过融合FHOG和Color Names特征,以及引入遮挡判断、学习率动态自适应和特征降维等方法,利用单独的尺度滤波器设计并实现了尺度及学习率自适应的核相关滤波算法,使得其拥有更强的目标外观表示能力、更好的应对目标尺度变化能力、更合理的模板更新策略,以及更高的实时性能。在此基础上,通过融合短期记忆滤波器、尺度滤波器、长期记忆滤波器和基于在线SVM的重检测器,设计并实现了融合检测的多滤波器核相关滤波算法,使得其不仅能够快速地确定目标位置和尺度,还能保留目标的历史外观“记忆”,在滤波模板不准确和目标被遮挡时重新搜索目标,以提升目标跟踪的鲁棒性。为了进一步解决移动平台目标被遮挡导致跟踪失败的问题,本文还设计了基于SVR的轨迹预测模块,其能够在出现严重遮挡后对目标轨迹进行准确预测,显著降低了移动平台在遭遇此种情形时的跟踪失败概率。本文围绕无人移动平台单目标长时间跟踪的难点,对核相关滤波算法进行了深入的研究和改进。此外,本文还在OTB数据集上分别从定性和定量两个角度对提出的两种目标跟踪算法进行了实验验证和数据分析,并将结果与一些传统的优秀算法进行了对比。实验结果表明本文提出的两种算法均具有的较强竞争力,同时也说明了通过结合多特征融合、尺度及学习率自适应、长时间跟踪等方法能够显著地提升在遭遇部分及完全遮挡、形态及尺度变化、照明变化和长时间跟踪等多种不利情况下核相关滤波算法的跟踪鲁棒性。这些提升为无人移动平台长时间单目标跟踪的应用研究提供一个更加坚实的算法基础。
【图文】：

目标检测,和跟踪

了效率更高的主动捕食，从而开启了地球上生物的新的数亿年的弱肉强食的纪元。视觉的出现使得动物们可以更敏锐地察觉到环境的改变，也让地球上的各物种间的竞争变得更加复杂，从而极大地促进了物种的多样性。从那之后，，地球上几乎所有的动物都进化出了一套属于自己的视觉系统。人类感知世界有三种重要的途径：视觉、听觉和触觉，其中，视觉是占比最大的信息获取途径。生产和生活中存在着很多需要获取和处理视觉信息的单一枯燥的任务，例如工业检测、安防监控等。为了减轻人类的负担和提高视频处理效率，用计算机辅助乃至代替人类进行视频处理是一个总体的趋势。近年来，随着高性能计算机、视觉传感器和存储器等硬件设备的高速发展和视觉系统自动化需求的日益增长，计算机视觉技术吸引了海内外研究者们的广泛关注，如何让计算机更好地处理和理解视频信息成为目前学术界的研究重点。目标检测与跟踪作为计算机视觉中重要且具有挑战性的任务，其常见的具体应用如图 1-1 所示。

示意图,单目标,视频序列,示意图

图1-2 展示的就是对一个视频序列进行单目标跟踪的过程。图 1-2 视频序列单目标跟踪示意图目标跟踪的用途非常广泛，包括：人机交互、安全监控、增强现实、医学影像[2]和自主导航等，具体介绍如下。（1）人机交互对人类手势、视线，脸部的跟踪等研究和应用近来都非常热门，它们正在颠覆传统的人机交互技术[3]。比较热门的虚拟现实技术正是通过对手势关键点的跟踪、面部识别与跟踪和眼球微动的跟踪给予计算机信号，从而方便计算机理解人类的意图，而这相比传统的人为输入命令的方式，是一个巨大的突破，将给人类的生活带来更多的便利。（2）安全监控在当今世界，监控已经成为许多日常活动中必不可少的要素。为了更好地保护人身、财产安全，银行、监狱、机场、停车场、加油站、商店等多种场所都需要监控。正因为如此，如何利用计算机视觉技术，让计算机自动化地执行某些监视任务，以协助安保人员工作是一个紧迫的问题。目标跟踪和检测通过对特定目标或者危险行为的智能检测和持续跟踪，可以自动化执行监控任务，能够极大地减轻安保人员的负担。
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TN713

【参考文献】