基于相关滤波的自适应跟踪算法

发布时间：2020-12-10 00:45

　　目标跟踪作为计算机视觉领域的热点之一,在众多领域有着广泛应用,如自动驾驶、国防安全、智能家居、人机交互等。在技术层面上目标跟踪涉及模式识别、图像处理,是一个宽领域、多应用的研究方向。最近几十年内是目标跟踪领域发展高速期,涌现了一大批优秀的算法,在一定程度上取得了良好效果,但实际应用中跟踪环境具有多变性和复杂性,例如快速运动、光照变化、遮挡、背景干扰等。面对这些跟踪难点,如何实现具有鲁棒性和实时性的跟踪仍是一项艰巨却有意义的任务。本文分析了不同类型跟踪算法的优点与缺点,以相关滤波跟踪算法为研究框架,针对目标跟踪过程中存在的遮挡、形变、快速运动、背景干扰等问题进行深入研究并提出改进方案,并用实验证明改进算法的优势,主要分为三个方面:（1）针对相关滤波算法在目标遮挡、快速运动等复杂情况下容易导致跟踪失败,难以应用于长时跟踪,本文提出了一种适合长时跟踪的自适应相关滤波算法。首先串联HOG特征、CN特征和灰度特征,增强特征判别力。然后利用Edgeboxes生成检测建议,找到最优的候选框实现跟踪器尺度与纵横比的自适应。为避免模板被破坏,将目标移动速度与边缘组数结合起来形成了一种新的自适应更新率并进... 

【文章来源】：江南大学江苏省 211工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

光照变化

第一章绪论5图1-1光照变化（2）遮挡：这是跟踪场景中较难解决的问题，分为轻微遮挡、半遮挡和全遮挡。如图1-2所示，由于拍摄过程中，目标受到外界其他物体遮挡逐渐丢失自己的外观特征，跟踪器容易读取其他物体的特征难以再建立起正确的外观模型导致跟踪失败。如何有效地判断是否发生遮挡，不在遮挡情况下更新模板也是研究难点之一。图1-2遮挡（3）背景干扰：现有检测框多是规则图形但实际目标大多却是不规则物体，所以在跟踪过程中不可避免地将部分背景进行模型训练，一旦周围背景与前景相似性较强，很容易导致跟踪失败。如图1-3所示，目标人物周围掉落了大量与目标颜色相近的礼炮，在跟踪过程中十分容易因过读背景信息导致模板漂移，影响跟踪效果。未来跟踪研究方向将从图像分割中得到启示，使检测框与目标形状充分一致。图1-3背景干扰（4）快速运动：目标在短时间内运动速度过快，导致目标位移很大容易跟丢。如图1-4所示，在前后几帧之内目标的坐标变化很大，跟踪器很难在短时间内充分更新模板，容易保留大量历史信息，且快速运动往往与背景干扰一同发生，跟踪难点很大。图1-4快速运动

第一章绪论5图1-1光照变化（2）遮挡：这是跟踪场景中较难解决的问题，分为轻微遮挡、半遮挡和全遮挡。如图1-2所示，由于拍摄过程中，目标受到外界其他物体遮挡逐渐丢失自己的外观特征，跟踪器容易读取其他物体的特征难以再建立起正确的外观模型导致跟踪失败。如何有效地判断是否发生遮挡，不在遮挡情况下更新模板也是研究难点之一。图1-2遮挡（3）背景干扰：现有检测框多是规则图形但实际目标大多却是不规则物体，所以在跟踪过程中不可避免地将部分背景进行模型训练，一旦周围背景与前景相似性较强，很容易导致跟踪失败。如图1-3所示，目标人物周围掉落了大量与目标颜色相近的礼炮，在跟踪过程中十分容易因过读背景信息导致模板漂移，影响跟踪效果。未来跟踪研究方向将从图像分割中得到启示，使检测框与目标形状充分一致。图1-3背景干扰（4）快速运动：目标在短时间内运动速度过快，导致目标位移很大容易跟丢。如图1-4所示，在前后几帧之内目标的坐标变化很大，跟踪器很难在短时间内充分更新模板，容易保留大量历史信息，且快速运动往往与背景干扰一同发生，跟踪难点很大。图1-4快速运动


本文编号：2907771