复杂场景下基于相关滤波的视频目标跟踪研究

发布时间：2020-10-31 00:59

　　 目标跟踪一直是计算机视觉领域中研究的热点,涉及诸多的学科和理论。其中基于相关滤波理论的目标跟踪算法因其高实时性的同时还能保证跟踪精度的特点,引起了广大学者的关注。但受到光照变化、目标遮挡、目标自身形变等问题干扰时,相关滤波跟踪算法仍不够稳健。为了提高相关滤波跟踪算法在复杂场景下的跟踪性能,对其进行了深入研究,取得的成果如下:针对复杂光照干扰以及目标尺度变化导致的跟踪漂移问题,提出了一种多特征融合的尺度自适应相关滤波跟踪算法。首先,在位置预测阶段,利用Hue和梯度方向直方图两种特征和各自的位置滤波器作用得到的输出响应值自适应分配权重实现目标位置的预测。其次,在尺度预测阶段,通过在目标位置采集多尺度图像组成样本独立训练尺度滤波器,并根据样本的尺度滤波响应值对目标的尺度进行估计,使跟踪算法能够适应目标的尺度变化。最后利用两帧图像间的差异性自适应调整学习率进行位置滤波器的更新。实验结果表明,相较于其他经典算法改进算法的跟踪准确性更高。当目标尺度变化较大时,改进算法仍能稳定跟踪。针对因边界效应导致跟踪算法对遮挡、快速运动的干扰不够鲁棒的问题,提出了一种基于样本增强和交替方向乘子法的相关滤波跟踪算法。首先,通过增大循环移位样本的采集框并进行裁切处理,减弱边界效应的影响。然后引入交替方向乘子法进行模型求解的优化,并在模型的迭代求解中通过Sherman Morrison公式进行进一步优化。最后在模型的更新策略上设置一个遮挡判定机制来确定模型是否更新,提高抗遮挡能力。实验结果表明,相比于原始相关滤波跟踪算法,提出的改进算法在遮挡和快速运动的场景下的跟踪仍然可靠,算法的鲁棒性得到提高。
【学位单位】：中国民航大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TN713
【部分图文】：

中国民航大学硕士学位论文际导弹、精确打击的卫星式武器、精确定位的电磁炮等高新科学技术所创造的器将极大改变未来的战争状态。在相关的战争影视作品中，就频繁出现这样的方式：先通过无人机甚至是卫星在高空的优势进行目标的搜索、定位和跟踪，标的情报收集工作，再让指挥部通过收集的情报进行决策。不论是对目标的持还是进行导弹的精确制导完成对敌对目标精确的火力打击，都可以顺利实现。(a)杭州城市数据大脑 (b)人机交互

图 2-2 提取训练样本的方法建的跟踪器进行训练过程中，作者巧妙的将滤波器的体思路如下：一般选取以目标位置为中心点、大小此来对分类器 f ( x ) w, ( x) 进行训练。和其他对式不同，KCF 算法采用循环移位的形式实现。那么

图 2-4 多种算法对比的定性图算法的运行结果用不同颜色的矩形框进行区分结果进行展示在直观上进行算法性能的对比算法跟踪成功与否，但不能准确说明跟踪精度优劣性。如需对某一情况下算法运行情况进行进。要有评判方法，本文的评估标准采用的是近中的算法性能评判方法。在该文献中，算法的精度、跟踪鲁棒性和运行的实时性。从这三个ation error)、重叠率(Overlap rate)、成功率(率图(Success plot)和 FPS(Frames Per Second)。
【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 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

4 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

5 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

6 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

7 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

8 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

9 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

10 孟祥瑞;;核相关滤波跟踪方法研究[J];现代信息科技;2019年10期

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 高凯;基于卷积神经网络的粒子滤波跟踪算法[D];大连理工大学;2019年

2 胡文博;复杂场景下基于相关滤波的视频目标跟踪研究[D];中国民航大学;2019年

3 潘常青;基于相关滤波框架的目标跟踪算法研究[D];南京邮电大学;2019年

4 赵启明;基于方向空间多尺度相关滤波跟踪[D];西安电子科技大学;2019年

5 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

6 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

7 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

8 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

9 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

10 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

本文编号：2863243