基于相关滤波器的分块并行目标跟踪算法研究

发布时间：2021-09-30 15:43

　　随着计算机视觉和人工智能等领域的发展,采用视觉分析的算法模拟人眼和大脑实现对图像和视频的理解成为近年来的研究重点和热点。其中视觉目标跟踪是人工智能等视觉分析领域备受关注的课题之一,在无人驾驶、交通检测、安全监控、人机交互、医疗应用、导航和军事等领域都具有极其重要的应用。但是当面临快速运动、运动模糊、形状变化、目标旋转、尺度变化和移出视野等外观变化,以及包括背景杂乱,光照变化,低分辨率和部分遮挡的环境变化时,视觉目标跟踪仍然是一项具有挑战性的任务。本文研究基于相关滤波器的目标跟踪算法的优缺点,提出了一种在贝叶斯框架下的基于多分块策略的目标跟踪算法框架。该算法主要解决在跟踪问题中最具有挑战的遮蔽、形变和尺度变化等干扰属性。本文提出的算法框架中的核心组件包括目标表观模型、目标运动模型和目标特征模型,分别利用了基于相关滤波器的跟踪算法求解目标表观模型、挖掘各个分块响应图在时间上的联系计算分块自身的可靠性和计算同一帧多块之间的关系来定义每个分块对整个跟踪结果的贡献。并且提出了对每个模型和参数的自适应更新方式以及目标的自适应尺度估计方式。其次,为了降低多分块目标跟踪算法的计算复杂度问题,本文分析了... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：87 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 基于相关滤波器的目标跟踪算法
        1.2.2 GPU在图像领域研究现状
    1.3 本文主要研究内容与创新点
    1.4 论文目录安排
第二章 贝叶斯跟踪框架与并行处理体系
    2.1 引言
    2.2 贝叶斯跟踪框架
        2.2.1 目标特征模型
        2.2.2 目标运动模型
        2.2.3 目标表观模型
    2.3 并行处理体系
        2.3.1 GPU硬件体系
        2.3.2 CUDA软件体系
    2.4 本章小结
第三章 基于相关滤波器的分块目标跟踪算法
    3.1 引言
    3.2 基于分块的目标跟踪策略
        3.2.1 目标分块策略
        3.2.2 分块筛选策略
        3.2.3 多特征融合策略
    3.3 多分块贝叶斯跟踪框架设计
        3.3.1 基于相关滤波器的表观估计
        3.3.2 目标分块自身可靠性度量
        3.3.3 目标分块对整体贡献度量
        3.3.4 自适应更新策略
        3.3.5 尺度估计策略
    3.4 本章小结
第四章 基于GPU的目标跟踪算法并行优化
    4.1 引言
    4.2 相关滤波跟踪耗时分析
    4.3 特征提取并行化
        4.3.1 HOG特征提取的并行化
        4.3.2 CN特征提取的并行化
    4.4 核函数矩阵计算并行化
        4.4.1 高斯核函数矩阵相关计算的并行化
        4.4.2 自相关与互相关核函数计算的并行化
    4.5 跟踪任务级别的并行
    4.6 本章小结
第五章 算法的质量评估及性能分析
    5.1 引言
    5.2 实验设置
        5.2.1 数据集介绍
        5.2.2 评价指标介绍
    5.3 分块跟踪算法的质量评估
        5.3.1 定量分析
        5.3.2 基于属性分析
        5.3.3 定性分析
    5.4 并行跟踪算法的性能分析
        5.4.1 特征提取执行时间对比
        5.4.2 核函数矩阵相关计算对比
        5.4.3 分块并行跟踪算法整体对比
    5.5 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]运动目标跟踪算法研究综述[J]. 张娟,毛晓波,陈铁军.  计算机应用研究. 2009(12)
[2]动态场景下的运动目标跟踪方法研究[J]. 邵文坤,黄爱民,韦庆.  计算机仿真. 2006(05)



本文编号：3416173