背景感知的相关滤波跟踪算法研究

发布时间：2020-07-12 18:18

【摘要】：视觉目标跟踪技术因其广泛的应用场景和基础性的研究意义而成为计算机视觉领域的研究热点,同时又因为该视觉感知任务中目标对象的任意性和视频场景的复杂性,目标跟踪研究富有挑战性。相关滤波跟踪算法兼具速度与性能双优点,是视觉跟踪领域的重要研究方向。本文主要研究现有相关滤波跟踪算法存在的一些缺点和未解决的难题。相关滤波跟踪建立于样本循环周期性的假设之上,其在线学习模型存在着一个被称为边缘效应的严重缺陷:训练样本和测试样本均通过对基础样本的逐步循环偏移而产生,该采样方式导致较高比例的样本发生了严重的扭曲失真,进而约束了模型的学习和预测能力。在模型训练阶段,失真样本影响到模型对真实视频内容的感知;在模型推理阶段,扭曲失真的边缘样本的检测分数并不可靠,无法反映边缘区的目标置信分布。本文主要的研究内容和贡献分三个方面:第一,深入剖析相关滤波跟踪的边缘效应并指其衍生的两个重要问题。第一个问题是被严重约束的模型感知范围和目标搜索范围,这导致算法在快速运动、相机晃动等多种场景下的跟踪结果不理想;此外,当由于不可控因素而暂时跟踪失败时,过小的搜索窗使得模型难以再次检索回目标,进而演变为无法恢复的跟踪失败。第二个问题是,循环偏移采样加剧了训练样本和测试样本之间数据分布非对齐性。在测试样本和训练样本远不能满足近似独立同分布情况下,我们难以建立高质量的跟踪模型。第二,分别提出多锚点检测策略和干扰物感知滤波器来拓展搜索区和感知区。本文利用像素级特征的贝叶斯决策模型或离线训练的孪生网络,高效地发掘上下文内的目标类似物,并提取多组循环偏移样本组。在检测过程中,样本组用于多锚点检测以实现大范围的目标搜索。在模型更新阶段,样本组用于干扰物感知学习。通过训练集的拓展和优化,滤波器增强了背景感知能力并有针对性地抑制干扰物的滤波响应,从而减少在多锚点检测时模型预测漂移至目标干扰区的风险。第三,在拓展模型感知范围和搜索范围的基础上,本文通过“候选区集-初步定位-精确回归”的渐进式目标搜索策略,构建一种新的跟踪框架(DAMA)。DAMA在大范围搜索空间内获取候选区集并进行干扰物感知的滤波检测,最后使用位置回归器精确定位。渐进式目标搜索策略能够逐步对齐测试样本和训练样本之间的数据分布,从而减轻了边缘效应的影响。此外,DAMA框架下的位置精调器还能减少误差累积和防止模型漂移。本文在OTB2013、OTB2015、TC128和VOT2017共四个数据集上对DAMA进行了综合测评。实验结果表明,第一,DAMA总体跟踪能力达到与前沿深度学习跟踪算法一致的水平,同时还能保持实时的跟踪速度;第二,DAMA面对快速运动、相机晃动、严重遮挡和目标离开视野等多种挑战性因素时具有较优的鲁棒性。
【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

【相似文献】

相关期刊论文 前10条

1 张红颖;王汇三;胡文博;;基于双模型的相关滤波跟踪[J];光学精密工程;2019年11期

2 王丹玲;鲁永泉;贾笑捷;张勤;;实时粒子滤波跟踪算法及其实现[J];系统仿真学报;2009年18期

3 王译萱;吴小俊;;基于深度特征与局部约束掩膜的相关滤波跟踪算法[J];数据采集与处理;2019年05期

4 柏柯嘉;;一种改进的粒子滤波跟踪算法[J];计算机工程;2010年18期

5 吴夺明;蒋蓁;魏衍侠;;基于视觉显著性的灰色粒子滤波跟踪方法[J];计量与测试技术;2017年02期

6 伦云飞;陈书杨;;基于多特征的粒子滤波跟踪算法[J];计算机光盘软件与应用;2013年14期

7 陈善静;杨华;曾凯;张红;王一程;;基于遗传算法的粒子滤波跟踪算法[J];光电工程;2010年10期

8 张博;江沸菠;刘刚;刘红平;;快速尺度支持相关滤波跟踪[J];液晶与显示;2019年06期

9 何希平;张琼华;;综合颜色与梯度方向特征的粒子滤波跟踪[J];计算机科学;2012年S1期

10 马加庆;韩崇昭;;一类基于信息融合的粒子滤波跟踪算法[J];光电工程;2007年04期

相关会议论文 前7条

1 高丙坤;李文超;王帅;;一种改进的粒子滤波跟踪算法[A];第二十九届中国控制会议论文集[C];2010年

2 吴川;;基于DSP平台的粒子滤波跟踪算法的实现[A];第八届全国信息获取与处理学术会议论文集[C];2010年

3 修春波;何慧尧;;基于显著性直方图的粒子滤波跟踪[A];2015光学精密工程论坛论文集[C];2015年

4 金挺;周付根;白相志;;一种简单有效的特征融合粒子滤波跟踪算法[A];2007年光电探测与制导技术的发展与应用研讨会论文集[C];2007年

5 刘元元;刘华平;高蒙;孙富春;孟丽霞;;GPU加速的在线K均值聚类粒子滤波跟踪算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

6 雷振达;马春草;;粒子滤波跟踪算法研究[A];2014第二届中国指挥控制大会论文集（上）[C];2014年

7 孙伟平;冯庆;向金海;余胜生;;基于局部模型的视频目标跟踪[A];第八届和谐人机环境联合学术会议（HHME2012)论文集NCMT[C];2012年

相关博士学位论文 前6条

1 朱明清;基于粒子滤波的鲁棒视觉目标跟踪算法研究[D];中国科学技术大学;2011年

2 邹腾跃;复杂环境目标检测与跟踪关键技术研究及应用[D];华中科技大学;2013年

3 曹蓓;粒子滤波改进算法及其应用研究[D];中国科学院研究生院(西安光学精密机械研究所);2012年

4 代江华;粒子滤波架构下视觉目标跟踪相关技术研究[D];华中科技大学;2014年

5 徐治非;视频监控中运动目标检测与跟踪方法研究[D];上海交通大学;2009年

6 相入喜;复杂环境下的目标跟踪算法研究[D];重庆大学;2012年

相关硕士学位论文 前10条

1 潘耿政;结合卷积神经网络的相关滤波跟踪算法研究[D];华南理工大学;2019年

2 陈国春;背景感知的相关滤波跟踪算法研究[D];华南理工大学;2019年

3 丁传勇;基于高斯先验及弹性网约束的多模板相关滤波跟踪算法研究[D];安徽大学;2019年

4 吴昭童;基于相关滤波的目标稳定跟踪技术研究[D];中国科学院大学(中国科学院光电技术研究所);2019年

5 望少建;基于相关滤波的视觉目标跟踪[D];西安电子科技大学;2018年

6 邓雨;基于深度特征的相关滤波跟踪研究[D];中南民族大学;2018年

7 李明郎君;结合深度图像表示的相关滤波跟踪方法研究[D];西安电子科技大学;2018年

8 马晓楠;电视导引头相关滤波跟踪算法研究[D];南京理工大学;2017年

9 倪杰;基于核相关滤波跟踪算法的研究与实现[D];电子科技大学;2017年

10 施睿;融合上下文信息的相关滤波跟踪算法研究[D];华南理工大学;2017年

本文编号：2752332