复杂场景下相关滤波跟踪算法研究
发布时间：2021-01-27 13:46
目标跟踪技术作为计算机视觉领域中的重要研究方向之一,在智能监控、人机交互、医学诊断等众多领域中都具有重要作用。然而在实际跟踪场景中经常存在着光照变化、尺度变化、出视野及遮挡等复杂情况,这为实现快速而鲁棒的跟踪带来了巨大的挑战。近几年,随着相关滤波和深度学习类跟踪算法研究的不断突破,算法的跟踪性能有很大提升,特别是相关滤波,解决了算法的实时性问题。本文针对跟踪中复杂场景带来的挑战,在核相关滤波算法的基础上提出了两种改进方法,分别改善了核相关滤波跟踪算法对遮挡、出视野以及尺度变化等复杂场景的适应性。本文主要研究内容包括以下几点:第一,针对复杂场景下目标被遮挡时容易跟踪失败的问题,提出了一种基于重检测的核相关滤波跟踪算法。该算法训练了一个置信度滤波器,使用其相关响应和相关峰平均能量进行置信度估计,并利用置信度滤波器最大响应进行位置修正,缓解了位置滤波器的跟踪漂移问题;针对在复杂场景下的目标跟踪过程中目标被遮挡或者出视野无法继续跟踪的问题,通过构建以支持向量机为核心的重检测模块,对低置信度的跟踪结果进行目标的重检测,有效地提高了算法在遮挡或出视野场景下的跟踪性能。第二,针对跟踪过程中常面临的尺...
【文章来源】：中国科学院大学(中国科学院光电技术研究所)四川省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
目标跟踪基本框架
复杂场景下相关滤波跟踪算法研究12图2.1相关滤波示意图Figure2.1Theillustrationofcorrelationfilter用公式表示为：g=hf…(2.2)其中，g表示相关响应输出，h表示滤波器模型，f表示输入图像。在时域中进行卷积操作计算量较大，为了提高计算速度，将公式（2.2）进行快速傅里叶变换（FFT），则时域中的卷积运算就变成了频域中的点乘操作，极大地降低了计算量，变换后公式如下：(g)(hf)GHF==…(2.3)其中，()代表傅里叶变换，H是所求的相关滤波器模型。2.3核相关滤波跟踪理论KCF通过求解一个岭回归问题来确定滤波器的参数[70]，使用循环移位进行密集采样，并且引入了核空间，核技巧的使用使得相关滤波算法对非线性问题具有一定的求解能力，也使得该算法的鲁棒性有所提升。2.3.1岭回归岭回归和线性回归的基本思想相同，都是通过训练样本学习一个线性模型，使其输出值尽可能的接近样本标签。两者的区别在于使用最小二乘法计算目标函数时，岭回归引入了L2正则化的惩罚项。在核相关跟踪算法中，将训练分类器看作一个岭回归问题，假设训练的样本集为11(,),...,(,),...,(,)iinnxyxyxy，通过训练分类器找到使样本ix和回归目标iy的平方误差最小的一个回归模型
复杂场景下相关滤波跟踪算法研究14较丰富，训练的分类器性能较好，但是计算成本太大。为了解决这一问题，Henriques提出了通过循环移位来进行样本采集，并在傅里叶空间域中进行计算。对于一维向量x（见式（2.8）），可以通过置换矩阵M（见式（2.9））进行循环采样。将向量左乘置换矩阵即是将原来的样本向右移动一个单元（见式（2.10））。通过不断地左乘置换矩阵得到n-1个循环移位向量，将原向量x和循环移位得到的n-1个向量按照次序排列到矩阵中，可得到由基础向量x生成的循环矩阵C(x)（见式（2.11）），其循环移位过程如图2.3所示。12[]Tnx=x,x,...,x…(2.8)0001100001000010=M…(2.9)12-1,...,nnMx=x,x,xx…(2.10)12312-1-11-22341()nnnnnnC==xxxxxxxxXXxxxxxxxx…(2.11)图2.3循环矩阵示意图，引自文献[53]Figure2.3Theillustrationofcirculantmatrix二维图像的循环移位采样相当于将图像块沿水平坐标轴和垂直坐标轴分别循环移动，如图2.4所示。
【参考文献】：
期刊论文
[1]基于相关滤波的长时目标跟踪算法[J]. 邓雪菲,彭先蓉,张建林,徐智勇. 半导体光电. 2019(05)
[2]具有尺度和旋转适应性的长时间目标跟踪[J]. 熊丹,卢惠民,肖军浩,郑志强. 自动化学报. 2019(02)
[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]自适应尺度的快速相关滤波跟踪算法[J]. 马晓楠,刘晓利,李银伢. 计算机辅助设计与图形学学报. 2017(03)
[5]武器精确制导目标跟踪测量仿真研究[J]. 艾波,刘凯. 计算机仿真. 2016(12)
[6]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[7]监控视频智能检索关键技术综述[J]. 张亚恒,韩琳,姜梅,蔡能斌. 影像技术. 2013(06)
[8]灰度共生矩阵纹理特征的运动目标跟踪方法[J]. 吴刚,唐振民,程勇,朱峰,魏利华. 南京理工大学学报(自然科学版). 2010(04)
[9]人运动的视觉分析综述[J]. 王亮,胡卫明,谭铁牛. 计算机学报. 2002(03)
博士论文
[1]复杂场景下单目标的视觉跟踪算法研究[D]. 冯平.华中科技大学 2019
[2]复杂环境下鲁棒实时目标跟踪技术研究[D]. 曾凡祥.北京邮电大学 2017
[3]成像导引头地面目标跟踪技术研究[D]. 申璐榕.国防科学技术大学 2014
[4]三维目标群及动态表面的重建和跟踪[D]. 刘烨.复旦大学 2013
硕士论文
[1]基于相关滤波的目标稳定跟踪技术研究[D]. 吴昭童.中国科学院大学(中国科学院光电技术研究所) 2019
[2]复杂场景运动目标跟踪算法研究[D]. 卢耀坤.电子科技大学 2019
[3]医学图像中多目标检测与跟踪技术研究[D]. 蔡俊林.华南理工大学 2012
[4]基于多目标跟踪的医学影像分析[D]. 高婷婷.西安电子科技大学 2012
[5]肛管外病症计算机辅助诊断的图像分割和目标跟踪[D]. 江南春.南昌大学 2011
本文编号：3003153
【文章来源】：中国科学院大学(中国科学院光电技术研究所)四川省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
目标跟踪基本框架
复杂场景下相关滤波跟踪算法研究12图2.1相关滤波示意图Figure2.1Theillustrationofcorrelationfilter用公式表示为：g=hf…(2.2)其中，g表示相关响应输出，h表示滤波器模型，f表示输入图像。在时域中进行卷积操作计算量较大，为了提高计算速度，将公式（2.2）进行快速傅里叶变换（FFT），则时域中的卷积运算就变成了频域中的点乘操作，极大地降低了计算量，变换后公式如下：(g)(hf)GHF==…(2.3)其中，()代表傅里叶变换，H是所求的相关滤波器模型。2.3核相关滤波跟踪理论KCF通过求解一个岭回归问题来确定滤波器的参数[70]，使用循环移位进行密集采样，并且引入了核空间，核技巧的使用使得相关滤波算法对非线性问题具有一定的求解能力，也使得该算法的鲁棒性有所提升。2.3.1岭回归岭回归和线性回归的基本思想相同，都是通过训练样本学习一个线性模型，使其输出值尽可能的接近样本标签。两者的区别在于使用最小二乘法计算目标函数时，岭回归引入了L2正则化的惩罚项。在核相关跟踪算法中，将训练分类器看作一个岭回归问题，假设训练的样本集为11(,),...,(,),...,(,)iinnxyxyxy，通过训练分类器找到使样本ix和回归目标iy的平方误差最小的一个回归模型
复杂场景下相关滤波跟踪算法研究14较丰富，训练的分类器性能较好，但是计算成本太大。为了解决这一问题，Henriques提出了通过循环移位来进行样本采集，并在傅里叶空间域中进行计算。对于一维向量x（见式（2.8）），可以通过置换矩阵M（见式（2.9））进行循环采样。将向量左乘置换矩阵即是将原来的样本向右移动一个单元（见式（2.10））。通过不断地左乘置换矩阵得到n-1个循环移位向量，将原向量x和循环移位得到的n-1个向量按照次序排列到矩阵中，可得到由基础向量x生成的循环矩阵C(x)（见式（2.11）），其循环移位过程如图2.3所示。12[]Tnx=x,x,...,x…(2.8)0001100001000010=M…(2.9)12-1,...,nnMx=x,x,xx…(2.10)12312-1-11-22341()nnnnnnC==xxxxxxxxXXxxxxxxxx…(2.11)图2.3循环矩阵示意图，引自文献[53]Figure2.3Theillustrationofcirculantmatrix二维图像的循环移位采样相当于将图像块沿水平坐标轴和垂直坐标轴分别循环移动，如图2.4所示。
【参考文献】：
期刊论文
[1]基于相关滤波的长时目标跟踪算法[J]. 邓雪菲,彭先蓉,张建林,徐智勇. 半导体光电. 2019(05)
[2]具有尺度和旋转适应性的长时间目标跟踪[J]. 熊丹,卢惠民,肖军浩,郑志强. 自动化学报. 2019(02)
[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]自适应尺度的快速相关滤波跟踪算法[J]. 马晓楠,刘晓利,李银伢. 计算机辅助设计与图形学学报. 2017(03)
[5]武器精确制导目标跟踪测量仿真研究[J]. 艾波,刘凯. 计算机仿真. 2016(12)
[6]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[7]监控视频智能检索关键技术综述[J]. 张亚恒,韩琳,姜梅,蔡能斌. 影像技术. 2013(06)
[8]灰度共生矩阵纹理特征的运动目标跟踪方法[J]. 吴刚,唐振民,程勇,朱峰,魏利华. 南京理工大学学报(自然科学版). 2010(04)
[9]人运动的视觉分析综述[J]. 王亮,胡卫明,谭铁牛. 计算机学报. 2002(03)
博士论文
[1]复杂场景下单目标的视觉跟踪算法研究[D]. 冯平.华中科技大学 2019
[2]复杂环境下鲁棒实时目标跟踪技术研究[D]. 曾凡祥.北京邮电大学 2017
[3]成像导引头地面目标跟踪技术研究[D]. 申璐榕.国防科学技术大学 2014
[4]三维目标群及动态表面的重建和跟踪[D]. 刘烨.复旦大学 2013
硕士论文
[1]基于相关滤波的目标稳定跟踪技术研究[D]. 吴昭童.中国科学院大学(中国科学院光电技术研究所) 2019
[2]复杂场景运动目标跟踪算法研究[D]. 卢耀坤.电子科技大学 2019
[3]医学图像中多目标检测与跟踪技术研究[D]. 蔡俊林.华南理工大学 2012
[4]基于多目标跟踪的医学影像分析[D]. 高婷婷.西安电子科技大学 2012
[5]肛管外病症计算机辅助诊断的图像分割和目标跟踪[D]. 江南春.南昌大学 2011
本文编号：3003153
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3003153.html
