基于相关滤波器的自适应视频目标跟踪方法研究
发布时间：2021-08-26 04:20
视频目标跟踪技术,是当下计算机视觉研究领域的热点问题,可广泛应用于智能驾驶、行为分析、医学诊断等多种军用和民用领域,这种技术可使机器具备模拟人类视觉系统及思考方式的能力,辨别视野中的运动物体,进而实现目标的准确定位。虽然该研究领域已经取得较多重大进展,但实际情况通常复杂多变,不仅要求跟踪算法具备足够的精确度,对跟踪速度也有极高的要求,所以,要真正实现该技术规模化落地应用仍然存在巨大挑战。在目前众多种类的跟踪算法中,相关滤波方法（CFT,correlation filter based tracker）以兼顾精度和速度的优势逐渐占据了主导地位。本文针对近年来该算法的各个关键技术,以解决实时性跟踪、复杂条件下跟踪、目标运动状态多变等难题为目标,从三个角度展开研究,包括:构建鲁棒的目标外观,提高目标定位准确度,以及对目标和场景变化的动态建模。主要研究成果如下:（1）基于进化特征子集的目标外观表示方法提出将整个特征集合比作种群,单一的特征向量比作个体,并构建基于进化算法的优化框架来完成多特征融合最优子集的筛选。这种利用剔除冗余信息的特征向量训练出的目标外观模型鲁棒性更强。该特征优化方法的思路在...
【文章来源】：东北师范大学吉林省 211工程院校 教育部直属院校
【文章页数】：112 页
【学位级别】：博士
【部分图文】：
循环采样示意图
= iiiw α (x)（1-9这种方法可快速检测到目标的位置所在。这里需要特别说明，对于上述介绍的当 f 为线性时即为 DCF 方法，当 f 为非线性，引入核函数时即为 KCF 方法。目前大多数的相关滤跟踪方法[80]都应用了循环矩阵和岭回归策略，并遵循如图 1法框架[69]，图中的符号⊙表示点乘运算，FFT 为快速傅里叶变换，在进行相关，再通过 IFFT 傅里叶逆变换得到响应图，进而确定目标位置。在相关滤波跟踪中，需要重点解决的主要有如下四个问题[79]：1. 输入：即初始化，确定当前输入，并根据前一帧中目标位置提取的特征来训习以得到相关滤波器。2. 特征提取：对视频序列中的每一帧，裁剪下根据上一帧目标位置得到的待检区域并提取特征，通常为了平滑结果，大多数方法都会添加余弦窗口。
图 1-3 相关滤波器跟踪方法的发展方向示意图在跟踪过程中，基于上一帧的跟踪结果决定出当前帧的待检测区域，然后再利用训练出的两个滤波器模板对与待检测区域做相关计算的操作，得到两个响应图，最后再采用线性方法，将得到的两个响应图融合成最终响应图，最终确定出目标位置。c) 尺度变换大部分跟踪方法尤其是相关滤波跟踪方法在训练过程中容易忽略对尺度的估计或使用相同的方式处理不同尺度的样本，这就使得在目标发生大尺度形变时较易发生目标丢失或目标偏移，如 KCF 方法的目标框从始至终大小未发生变化，多数方法的设计主要集中于目标定位。也有少数方法的设计是针对尺度变化，但跟踪速度较慢，很难达到实时。2014 年 MD 等人提出 DSST 方法[58]，首次在相关滤波跟踪方法中同时使用位置滤波器和尺度滤波器来进行目标定位和尺度评估。DSST 方法中的位置滤波器通过上一帧确定的目标框来获取候选框，在确定目标位置后，尺度滤波器以当前目标框的大小为基准，基于 33 种较精细的不同尺度候选框来确定新目标的尺度。整个联合相关滤波器基于三维尺度空间，大小为 M×N×S，其中 M 和 N 为相关滤波器的长宽，S 为相关
【参考文献】：
期刊论文
[1]基于相关滤波器的视频跟踪方法研究进展[J]. 刘巧元,王玉茹,张金玲,殷明浩. 自动化学报. 2019(02)
[2]基于深度谱卷积神经网络的高效视觉目标跟踪算法[J]. 郭强,芦晓红,谢英红,孙鹏. 红外与激光工程. 2018(06)
[3]基于智能驾驶的动态目标跟踪研究[J]. 张晶晶,杨鹏,刘元盛,梁军. 计算机工程. 2018(07)
[4]快速尺度估计的核相关滤波目标跟踪[J]. 丁建伟,唐云祁,田华伟,李欣. 科学技术与工程. 2017(15)
[5]基于深度学习的目标跟踪方法研究现状与展望[J]. 罗海波,许凌云,惠斌,常铮. 红外与激光工程. 2017(05)
[6]特征融合和模型自适应更新相结合的相关滤波目标跟踪[J]. 王暐,王春平,李军,张伟. 光学精密工程. 2016(08)
[7]改进核相关滤波的运动目标跟踪算法[J]. 邢运龙,李艾华,崔智高,方浩. 红外与激光工程. 2016(S1)
[8]基于时序特性的自适应增量主成分分析的视觉跟踪[J]. 蔡自兴,彭梦,余伶俐. 电子与信息学报. 2015(11)
[9]基于外观模型学习的视频目标跟踪方法综述[J]. 张焕龙,胡士强,杨国胜. 计算机研究与发展. 2015(01)
[10]基于时空关联图模型的视频监控目标跟踪[J]. 张诚,马华东,傅慧源. 北京航空航天大学学报. 2015(04)
博士论文
[1]基于显著性的视觉目标跟踪研究[D]. 伍博.电子科技大学 2017
[2]基于单目视觉的运动目标跟踪定位技术研究[D]. 姚楠.上海交通大学 2014
[3]基于粒子滤波器的视频目标跟踪关键技术及其应用研究[D]. 王玉茹.哈尔滨工业大学 2010
[4]红外图像中人体目标检测、跟踪及其行为识别研究[D]. 李建福.重庆大学 2010
硕士论文
[1]基于DPM模型的行人检测与KCF跟踪算法研究[D]. 曲晓鹏.湖南大学 2017
[2]基于序列蒙特卡洛的混合分类器集成跟踪方法研究[D]. 刘巧元.东北师范大学 2016
[3]复杂背景下的目标检测和跟踪[D]. 李新县.合肥工业大学 2015
[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]模式识别及其在计算机视觉中的实现[D]. 张洪波.青岛科技大学 2009
本文编号：3363532
【文章来源】：东北师范大学吉林省 211工程院校 教育部直属院校
【文章页数】：112 页
【学位级别】：博士
【部分图文】：
循环采样示意图
= iiiw α (x)（1-9这种方法可快速检测到目标的位置所在。这里需要特别说明，对于上述介绍的当 f 为线性时即为 DCF 方法，当 f 为非线性，引入核函数时即为 KCF 方法。目前大多数的相关滤跟踪方法[80]都应用了循环矩阵和岭回归策略，并遵循如图 1法框架[69]，图中的符号⊙表示点乘运算，FFT 为快速傅里叶变换，在进行相关，再通过 IFFT 傅里叶逆变换得到响应图，进而确定目标位置。在相关滤波跟踪中，需要重点解决的主要有如下四个问题[79]：1. 输入：即初始化，确定当前输入，并根据前一帧中目标位置提取的特征来训习以得到相关滤波器。2. 特征提取：对视频序列中的每一帧，裁剪下根据上一帧目标位置得到的待检区域并提取特征，通常为了平滑结果，大多数方法都会添加余弦窗口。
图 1-3 相关滤波器跟踪方法的发展方向示意图在跟踪过程中，基于上一帧的跟踪结果决定出当前帧的待检测区域，然后再利用训练出的两个滤波器模板对与待检测区域做相关计算的操作，得到两个响应图，最后再采用线性方法，将得到的两个响应图融合成最终响应图，最终确定出目标位置。c) 尺度变换大部分跟踪方法尤其是相关滤波跟踪方法在训练过程中容易忽略对尺度的估计或使用相同的方式处理不同尺度的样本，这就使得在目标发生大尺度形变时较易发生目标丢失或目标偏移，如 KCF 方法的目标框从始至终大小未发生变化，多数方法的设计主要集中于目标定位。也有少数方法的设计是针对尺度变化，但跟踪速度较慢，很难达到实时。2014 年 MD 等人提出 DSST 方法[58]，首次在相关滤波跟踪方法中同时使用位置滤波器和尺度滤波器来进行目标定位和尺度评估。DSST 方法中的位置滤波器通过上一帧确定的目标框来获取候选框，在确定目标位置后，尺度滤波器以当前目标框的大小为基准，基于 33 种较精细的不同尺度候选框来确定新目标的尺度。整个联合相关滤波器基于三维尺度空间，大小为 M×N×S，其中 M 和 N 为相关滤波器的长宽，S 为相关
【参考文献】：
期刊论文
[1]基于相关滤波器的视频跟踪方法研究进展[J]. 刘巧元,王玉茹,张金玲,殷明浩. 自动化学报. 2019(02)
[2]基于深度谱卷积神经网络的高效视觉目标跟踪算法[J]. 郭强,芦晓红,谢英红,孙鹏. 红外与激光工程. 2018(06)
[3]基于智能驾驶的动态目标跟踪研究[J]. 张晶晶,杨鹏,刘元盛,梁军. 计算机工程. 2018(07)
[4]快速尺度估计的核相关滤波目标跟踪[J]. 丁建伟,唐云祁,田华伟,李欣. 科学技术与工程. 2017(15)
[5]基于深度学习的目标跟踪方法研究现状与展望[J]. 罗海波,许凌云,惠斌,常铮. 红外与激光工程. 2017(05)
[6]特征融合和模型自适应更新相结合的相关滤波目标跟踪[J]. 王暐,王春平,李军,张伟. 光学精密工程. 2016(08)
[7]改进核相关滤波的运动目标跟踪算法[J]. 邢运龙,李艾华,崔智高,方浩. 红外与激光工程. 2016(S1)
[8]基于时序特性的自适应增量主成分分析的视觉跟踪[J]. 蔡自兴,彭梦,余伶俐. 电子与信息学报. 2015(11)
[9]基于外观模型学习的视频目标跟踪方法综述[J]. 张焕龙,胡士强,杨国胜. 计算机研究与发展. 2015(01)
[10]基于时空关联图模型的视频监控目标跟踪[J]. 张诚,马华东,傅慧源. 北京航空航天大学学报. 2015(04)
博士论文
[1]基于显著性的视觉目标跟踪研究[D]. 伍博.电子科技大学 2017
[2]基于单目视觉的运动目标跟踪定位技术研究[D]. 姚楠.上海交通大学 2014
[3]基于粒子滤波器的视频目标跟踪关键技术及其应用研究[D]. 王玉茹.哈尔滨工业大学 2010
[4]红外图像中人体目标检测、跟踪及其行为识别研究[D]. 李建福.重庆大学 2010
硕士论文
[1]基于DPM模型的行人检测与KCF跟踪算法研究[D]. 曲晓鹏.湖南大学 2017
[2]基于序列蒙特卡洛的混合分类器集成跟踪方法研究[D]. 刘巧元.东北师范大学 2016
[3]复杂背景下的目标检测和跟踪[D]. 李新县.合肥工业大学 2015
[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]模式识别及其在计算机视觉中的实现[D]. 张洪波.青岛科技大学 2009
本文编号：3363532
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3363532.html
