基于时空自适应核相关滤波的目标跟踪方法研究
发布时间：2021-07-26 18:55
得益于“中国制造2025”、“十三五规划”等政策的提出,和国家对高科技产业的支持,使得在能源、5G、大数据、AI、无人驾驶等领域的有了迅猛发展。依托于企业、社会的需求,机器视觉在智能安防、人员监测、车辆检测、行为识别等领域越发重要,目标跟踪作为机器视觉的一个关键技术,本文在提高目标跟踪算法实时性的前提下,同时改进算法对于目标遮挡、形变的鲁棒性做了一些工作。近年来,判别相关滤波器（DCF）在对象跟踪方面取得了很好的研究成果。可是,DCF方式在快速变形和快速活动时跟踪机能较差。空间正则化DCF（SRDCF）通过将空间正则项添加到相关滤波算法中,试图解决此问题,与之带来的是计算复杂度的增加。背景感知DCF（BACF）使用了由真实样本的位移生成的负样本来提高真实样本的比率。STRCF提出时间正则项,使得跟踪算法更好的关联上下帧信息。此外,在外观变化较大、遮挡等的情况下,STRCF的跟踪模型比SRDCF更鲁棒。首先,为了保证目标跟踪算法的实时性,以经典的目标跟踪算法KCF做为基础框架;同时为了保证算法对物体外观特征变化、物体遮挡有较强的抗干扰能力,提出了一种自适应时空正则相关滤波（ASTRCF）...
【文章来源】：华中师范大学湖北省 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】：
图１表情分析、道路监控、车辆检测、智能交通等的应用场景示例??在城市、乡村场景应用中，目标跟踪是计算机视觉的一个很实用的技术
?；?－?ｊ?／?ｉ?ｔ?１?１?ｒ?１?１?．?＿??９８１?１９９４１?ＩＷ８?２＼ｍ?１２（ＫＪ３＇?＾?２〇Ｕ５?２（Ｋ＞６?］?２０Ｋ）?２〇ｌｉ?２０１２?２０１３?２＜Ｍ４?２０１５?ｆ?２０１６１?２０１７＂?２０１８??ＫＬＴ?Ｍｅａｎ?Ｓｈｉｆｔ?Ｂｏｏｓｔｉｎｇ?ＫＣｊ７?ＳＲＩＸ?Ｉ?＾?ｌ－ＣＸ）?ＵＰｆ）Ｔ??－?｜?Ｓｌｒｔｃｋ?ｊ?（謂?｜??Ｉ?ｃａｉｕｒｃ?Ｓｅｌｅｃｔｉｏｎ?Ｔｉ?［＞?各?｜－??ＣＳＫ．?ＤＳＳＴ?ＢＡＣＴ??图２各时间节点的代表性目标跟踪算法??１．３本文的工作??本文算法是基于ＫＣＦ（?ｋｅｒｎｅｌ?ｃｏｒｒｅｌａｔｉｏｎ?ｆｉｌｔｅｒ）目标跟踪算法，首先，提出了一??种自适应时空正则相关过滤器（ＡＳＴＲＣＦ），其模型策略可以平衡时空系数和空间正??则化权重，来更好地随着时间和空间有效地学习目标和背景的新外观。最后，通过??提出一种置信度评价指标和重检测策略，分别来评价目标响应的可信度，若可信度??低，即判为目标丢失，启动设计的多峰检测方法，发进而提高跟踪算法的精度。本??文采用模型更新抑制策略来校正模型更新过程中的错误判断，并避免模型损坏。??（１）相关滤波算法模块，主要是基于ＫＣＦ跟踪算法进行改进，添加时空自适??应项，提高算法的鲁棒性；同时，本文采用交叉乘子算法ＡＤＭＭ的算法来优化算??法模型的求解过程，减少时间，提高实时性。??（２）遮挡判决模块，主要是基于视频上下文信息，判断当前帧的目标是否有??遮挡，对于提高目标定位鲁棒性有一定的提升。??（３）重检测模块，主要是当物体在跟踪过程中，可能由于形变、光照、或者??相识背景千扰、低分
頌士学位论文??ＭＡＳ?Ｉ?ＥＲ?Ｓ?Ｔｉｌｌ－ＳＩＳ??第二章单目标跟踪算法发展及其框架概述??２．１跟踪整雖架??目标跟踪，简单来说就是如何在一组图片序列或者一段视频流信息当中，筛选??出本文所需要的目标个体或者群体。如图４所示，和图像检测不同，目标跟踪的第??一帧往往是人工手动标注的，而检测，是在既定的条件下，系统输入整张图片全局??搜索出来的，是没有人员干预的。首先初始帧不同。根据图４框定人脸，系统开始??在该红框区域内建模，当视频流的下一帧输入时，筛选出上一帧目标区域附近的几??个候选区域，如图中虚线红框。之后将提取完特征的几个预选区域进行系统比对，??选择最优结果即为当前预测位置，如图４最右侧红框显示位置［１２：。??Ｍｏｄｅｌ?Ｕｐｄａｔｅｒ?、??＾?Ｐｒｅｄｉｃｔｉｏｎ?Ａ??Ｉｎｐｕｌ?Ｆｒａｍｅ?Ｍｏｔｉｏｎ?Ｍｏｄｅｌ?Ｆｅａｔｕｒｅ?Ｅｘｔｒａｃｔｏｒ?Ｏｂｓｅｒｖａｔｉｏｎ?Ｍｏｄｅｌ?［１？！？！＇．°！）．？，?Ｅｎｓｅｍｂｌｅ?Ｆｉｎａｌ?Ｐｒｅｄｉｃｔｉｏｎ??图４跟踪算法大致区块??一个跟踪算法基本上可以分成搜索策略、特征提娶观测模型几部分；运动模??型用来建立物体与物体、帧与帧之间相关性，估计在下一帧物体近似出现的目标位??置，像图像分割在一幅图像中选出预选框也有类似方法：阈值分割、边缘分割、直??方图法也可以适当借鉴。也有相关的工作，像ＳｉａｍＲＰＮ的ＲＰＮ网络结构，就是网??络预选框不是通过传统的方法选择，而是通过将图片输入跟踪算法，而直接给出预??选框位置，再通过ＮＭＳ极大似然抑制，进行框降维，缩小检测数量，提高效率。??特征提取部分，是整个跟踪算法最要的结构部分之一
【参考文献】：
期刊论文
[1]深度学习的目标跟踪算法综述[J]. 李玺,查宇飞,张天柱,崔振,左旺孟,侯志强,卢湖川,王菡子. 中国图象图形学报. 2019(12)
[2]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)
[3]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
本文编号：3304156
【文章来源】：华中师范大学湖北省 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】：
图１表情分析、道路监控、车辆检测、智能交通等的应用场景示例??在城市、乡村场景应用中，目标跟踪是计算机视觉的一个很实用的技术
?；?－?ｊ?／?ｉ?ｔ?１?１?ｒ?１?１?．?＿??９８１?１９９４１?ＩＷ８?２＼ｍ?１２（ＫＪ３＇?＾?２〇Ｕ５?２（Ｋ＞６?］?２０Ｋ）?２〇ｌｉ?２０１２?２０１３?２＜Ｍ４?２０１５?ｆ?２０１６１?２０１７＂?２０１８??ＫＬＴ?Ｍｅａｎ?Ｓｈｉｆｔ?Ｂｏｏｓｔｉｎｇ?ＫＣｊ７?ＳＲＩＸ?Ｉ?＾?ｌ－ＣＸ）?ＵＰｆ）Ｔ??－?｜?Ｓｌｒｔｃｋ?ｊ?（謂?｜??Ｉ?ｃａｉｕｒｃ?Ｓｅｌｅｃｔｉｏｎ?Ｔｉ?［＞?各?｜－??ＣＳＫ．?ＤＳＳＴ?ＢＡＣＴ??图２各时间节点的代表性目标跟踪算法??１．３本文的工作??本文算法是基于ＫＣＦ（?ｋｅｒｎｅｌ?ｃｏｒｒｅｌａｔｉｏｎ?ｆｉｌｔｅｒ）目标跟踪算法，首先，提出了一??种自适应时空正则相关过滤器（ＡＳＴＲＣＦ），其模型策略可以平衡时空系数和空间正??则化权重，来更好地随着时间和空间有效地学习目标和背景的新外观。最后，通过??提出一种置信度评价指标和重检测策略，分别来评价目标响应的可信度，若可信度??低，即判为目标丢失，启动设计的多峰检测方法，发进而提高跟踪算法的精度。本??文采用模型更新抑制策略来校正模型更新过程中的错误判断，并避免模型损坏。??（１）相关滤波算法模块，主要是基于ＫＣＦ跟踪算法进行改进，添加时空自适??应项，提高算法的鲁棒性；同时，本文采用交叉乘子算法ＡＤＭＭ的算法来优化算??法模型的求解过程，减少时间，提高实时性。??（２）遮挡判决模块，主要是基于视频上下文信息，判断当前帧的目标是否有??遮挡，对于提高目标定位鲁棒性有一定的提升。??（３）重检测模块，主要是当物体在跟踪过程中，可能由于形变、光照、或者??相识背景千扰、低分
頌士学位论文??ＭＡＳ?Ｉ?ＥＲ?Ｓ?Ｔｉｌｌ－ＳＩＳ??第二章单目标跟踪算法发展及其框架概述??２．１跟踪整雖架??目标跟踪，简单来说就是如何在一组图片序列或者一段视频流信息当中，筛选??出本文所需要的目标个体或者群体。如图４所示，和图像检测不同，目标跟踪的第??一帧往往是人工手动标注的，而检测，是在既定的条件下，系统输入整张图片全局??搜索出来的，是没有人员干预的。首先初始帧不同。根据图４框定人脸，系统开始??在该红框区域内建模，当视频流的下一帧输入时，筛选出上一帧目标区域附近的几??个候选区域，如图中虚线红框。之后将提取完特征的几个预选区域进行系统比对，??选择最优结果即为当前预测位置，如图４最右侧红框显示位置［１２：。??Ｍｏｄｅｌ?Ｕｐｄａｔｅｒ?、??＾?Ｐｒｅｄｉｃｔｉｏｎ?Ａ??Ｉｎｐｕｌ?Ｆｒａｍｅ?Ｍｏｔｉｏｎ?Ｍｏｄｅｌ?Ｆｅａｔｕｒｅ?Ｅｘｔｒａｃｔｏｒ?Ｏｂｓｅｒｖａｔｉｏｎ?Ｍｏｄｅｌ?［１？！？！＇．°！）．？，?Ｅｎｓｅｍｂｌｅ?Ｆｉｎａｌ?Ｐｒｅｄｉｃｔｉｏｎ??图４跟踪算法大致区块??一个跟踪算法基本上可以分成搜索策略、特征提娶观测模型几部分；运动模??型用来建立物体与物体、帧与帧之间相关性，估计在下一帧物体近似出现的目标位??置，像图像分割在一幅图像中选出预选框也有类似方法：阈值分割、边缘分割、直??方图法也可以适当借鉴。也有相关的工作，像ＳｉａｍＲＰＮ的ＲＰＮ网络结构，就是网??络预选框不是通过传统的方法选择，而是通过将图片输入跟踪算法，而直接给出预??选框位置，再通过ＮＭＳ极大似然抑制，进行框降维，缩小检测数量，提高效率。??特征提取部分，是整个跟踪算法最要的结构部分之一
【参考文献】：
期刊论文
[1]深度学习的目标跟踪算法综述[J]. 李玺,查宇飞,张天柱,崔振,左旺孟,侯志强,卢湖川,王菡子. 中国图象图形学报. 2019(12)
[2]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)
[3]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛. 计算机学报. 2015(06)
本文编号：3304156
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3304156.html
