基于相关滤波器的视觉目标跟踪算法研究

发布时间：2021-03-18 18:39

　　基于相关滤波器的视觉目标跟踪算法由于跟踪精度高、运算速度快等优点获得了广泛的关注。但是传统的基于相关滤波器的跟踪算法存在原理缺陷,只能实现以像素为单位的离散定位,降低了跟踪精度。同时它的尺度估计模块严重依赖于目标定位的准确性,且无法对产生严重遮挡后的目标进行重新获取。针对这些问题,本文旨在研究一种基于相关滤波器的连续定位长程跟踪算法,算法构建卷积操作子用于连续域内目标定位,同时使用重追踪算法对遮挡后丢失的目标进行再获取。经过目标跟踪测试集的评估,本文算法获得了很高的跟踪精度。本文首先研究了一种连续域内的相关滤波器跟踪算法,算法将目标跟踪课题分为目标定位和目标尺度估计两个模块。在目标定位模块中,算法利用卷积神经网络特征的高判别力特性,通过设计的卷积操作子对目标进行连续域内定位,重点解决了传统相关滤波器低精度离散定位造成的目标漂移问题,提高了算法目标定位能力。另一方面,算法尺度估计模块针对传统方法在定位误差下的尺度估计失准问题,通过改进传统的相关滤波器尺度估计模型,构建了基于HOG特征的多金字塔目标尺度追踪器,实现了微小定位误差的修正及鲁棒的目标尺度估计,提升了算法尺度估计性能。在长程跟踪... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

VGG-19卷积神经网络结构示意图

图 3-2 尺度金字塔构建位置示意图表图像平面的 x，y 方向；蓝色点位置 ( , )t t tp x y。绿色点代表tp 周大小通常取两个像素值以内。以这字塔构建的中心位置，构造总数为的多金字塔追踪器。方法通过训练代表目标不同尺度的搜寻所有相关滤波器的最大响应，。多尺度金字塔在这一基础上进行。此时，尺度金字塔中的每个相关应着目标的位置信息。在这种情况响应值所对应的目标尺度就是目标置就是目标的最优位置估计，可以定位修正的鲁棒尺度估计算法示意

出的当前帧目标估计位置 ( , )t t tp x y。绿色点代表tp 周围均匀分布的八个位置，其中相邻两个点间距大小通常取两个像素值以内。以这蓝色及绿色点所代表的九个位置作为尺度金字塔构建的中心位置，构造总数为 9 的尺度金字塔，构成了用于目标尺度估计的多金字塔追踪器。传统的尺度估计方法通过训练代表目标不同尺度的相关滤波器，构成目标的尺度金字塔，接着搜寻所有相关滤波器的最大响应，将最大响应所对应尺度作为目标的尺度估计。多尺度金字塔在这一基础上进行改进，在目标位置周围训练多个尺度金字塔。此时，尺度金字塔中的每个相关滤波器除了表述目标的不同大小以外，还对应着目标的位置信息。在这种情况下，计算所有相关滤波器的响应值，则最大响应值所对应的目标尺度就是目标最优尺度估计；最大响应值所对应的目标位置就是目标的最优位置估计，可以对定位模块所获得的目标位置进行的修正。定位修正的鲁棒尺度估计算法示意图如图 3-3 所示。进入尺度估计模块，利用当前帧的预测目标位置，在预测位置与其周围构建多金字塔的尺度追踪器 , {1,2, , }iT i n。每个iT 代表不同中心位置下构建的目标尺度金字塔，金字塔的构建流程与第 2.3 节相同。令第 个金字塔中的 个相关

【参考文献】：
期刊论文
[1]现代智能视频监控研究综述[J]. 吴群,王田,王汉武,赖永炫,钟必能,陈永红.  计算机应用研究. 2016(06)

博士论文
[1]视觉跟踪新方法及其应用研究[D]. 夏瑜.江南大学 2013

硕士论文
[1]基于TLD框架的长时间单目标跟踪算法研究[D]. 张兰.辽宁大学 2015
[2]基于TLD的视频目标跟踪算法的研究[D]. 张帅领.西安电子科技大学 2014



本文编号：3088747