基于相关滤波的目标跟踪技术研究
发布时间：2021-10-30 20:53
视觉目标跟踪是计算机视觉领域的重要分支之一,在智能监控、安全预警、远程医疗和军事等多种领域中发挥重要作用。相关滤波目标跟踪算法具有高效的运算速度,受到业界的广泛关注,但是在面对目标快速运动、目标丢失、光照变化、尺度变化等挑战情况时,无法完美地跟踪目标。为此,本文对核相关滤波（KCF）目标跟踪算法进行相关研究,对其不足之处进行改进,主要贡献有两个方面:（1）针对目标快速运动时跟踪算法的检测范围不足和循环采样中使用余弦窗导致损失部分目标信息的问题,本文在KCF的基础上提出一种双模板（DTCF）跟踪算法,该算法引入两个尺度级别的滤波器模板。首先使用小模板预测当前帧目标位置,根据响应输出和设定阈值判断本次预测信息是否可靠;若不可靠,则利用二次检测的思想,使用大模板进行二次检测;选取两者中更加可靠的结果作为最终的预测位置。仿真实验采用OTB-50数据集,确定以0.6作为双模板切换的固定阈值,实验结果显示DTCF在跟踪性能方面优于对比算法,均值DP、OP、S和CLE等四个评估指标比KCF提升了9.74%、14.81%、12.30%和1.16%。（2）针对跟踪算法面对不同挑战时特征的鲁棒性和目标尺度...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
检测目标的响应输出相关计算是相关滤波目标跟踪算法的基础，相关即反应事物的内在关联，所以可以用信
杭州电子科技大学硕士学位论文10操作可以到响应输出，可以看到响应输出中红色越深表示该出的相似度越高。越往四周相似度越低，因为目标所处的背景环境已经发生改变。跟踪算法把响应输出中最大值的位置作为目标的预测位置。利用目标的相关性实现相关滤波目标跟踪，其跟踪的主要流程如图2.2，分为四个主要步骤[53]：（1）跟踪算法初始化：给定目标的初始化信息，一般包括目标的尺寸和位置。计算检测区域尺寸，提取该区域的特征信息并训练滤波器模板。（2）区域特征提取：提取待检测区域的特征信息，特征包括：形状特征、颜色特征和深度特征等。为了抑制边界效应，通常还需要给提取后的特征加上余弦窗。（3）预测目标位置：检测过程在频域进行计算，将加完余弦窗的目标特征信息经过傅里叶变换转换到频域，接着与滤波器进行点积操作，之后将运算结果通过逆傅里叶变换重新转换到时域得到最终的响应输出，然后取其中的响应最大值作为目标预测位置。（4）模型更新：由于目标在运动时，自身和背景会发生变化，因此需要对模型进行及时更新。在目标预测位置截取感兴趣区域，提取特征并采取一定策略更新滤波器模板。图2.2相关滤波跟踪流程上面简单的描述了滤波类跟踪算法的主要流程，后续本文将以KCF为例，解释说明相关滤波目标跟踪算法的跟踪原理并对跟踪步骤进行详细的理论推导。
杭州电子科技大学硕士学位论文12其中，第一行为生成向量x，第二行为x右移一位后的向量，最后一行为x右移n-1位的向量，C(x)包含所有循环移位后的向量，即循环矩阵X。可以看到，除了第一个样本是采样得到，其他的n-1个样本都是通过循环移位生成的，通过该方式大大的增加了样本数量。循环矩阵具有很多特殊的性质[27,55]，在相关滤波跟踪算法中主要使用到的性质是任意一个循环矩阵都可以通过离散傅里叶变换进行对角化，可以表示为：()HX=FdiagxF（2.3）其中，F表示DFT常量矩阵，x表示生成向量x的DFT，即x=F(x)。以上讲述的都是一维向量的循环矩阵，在实际跟踪算法中，跟踪目标通常都是二维图像，即二维矩阵。将循环矩阵在一维空间中的性质拓展到二维空间，二维矩阵不仅需要横向移位，还要进行纵向移位。当一个n×n样本图像通过循环移位操作后，可以生成n×n-1个额外样本。图2.3正中间的是原始样本，周围的八个图像块是原始样本通过循环移位生成的样本，可以看出经过循环移位会破坏目标的完整性。图2.3图像块循环移位
【参考文献】：
期刊论文
[1]采用核相关滤波器的长期目标跟踪[J]. 杨德东,蔡玉柱,毛宁,杨福才. 光学精密工程. 2016(08)
[2]相关滤波目标跟踪算法研究[J]. 顾培婷,黄德天,柳培忠,黄炜钦,汪鸿翔. 海峡科学. 2016(07)
[3]目标跟踪技术综述[J]. 高文,朱明,贺柏根,吴笑天. 中国光学. 2014(03)
[4]视觉导航技术的发展及其研究分析[J]. 王先敏,曾庆化,熊智,刘建业. 信息与控制. 2010(05)
[5]纹理研究综述[J]. 刘晓民. 计算机应用研究. 2008(08)
[6]基于特征点的图像配准技术探讨[J]. 赵芹,周涛,舒勤. 红外技术. 2006(06)
[7]基于特征点集的匹配算法应用于卫星姿态确定[J]. 蔡晓东,叶培建. 北京航空航天大学学报. 2006(02)
博士论文
[1]复杂场景下实时视觉目标跟踪的若干研究[D]. 朱建章.武汉大学 2014
[2]智能视频监控下的多目标跟踪技术研究[D]. 李彤.中国科学技术大学 2013
硕士论文
[1]基于相关滤波的视觉跟踪算法研究[D]. 王赛楠.中国矿业大学 2019
[2]基于核相关滤波的目标跟踪算法研究[D]. 李永珺.青岛理工大学 2018
[3]基于相关滤波的目标跟踪算法研究[D]. 谢晓佳.华南理工大学 2018
[4]结合相关滤波和卷积神经网络的目标跟踪方法研究[D]. 段汝湘.西北农林科技大学 2017
[5]基于相关滤波器的目标跟踪技术[D]. 董艳梅.北京理工大学 2015
[6]智能视频分析中目标跟踪算法的改进与实现[D]. 赵俊青.电子科技大学 2014
本文编号：3467412
【文章来源】：杭州电子科技大学浙江省
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
检测目标的响应输出相关计算是相关滤波目标跟踪算法的基础，相关即反应事物的内在关联，所以可以用信
杭州电子科技大学硕士学位论文10操作可以到响应输出，可以看到响应输出中红色越深表示该出的相似度越高。越往四周相似度越低，因为目标所处的背景环境已经发生改变。跟踪算法把响应输出中最大值的位置作为目标的预测位置。利用目标的相关性实现相关滤波目标跟踪，其跟踪的主要流程如图2.2，分为四个主要步骤[53]：（1）跟踪算法初始化：给定目标的初始化信息，一般包括目标的尺寸和位置。计算检测区域尺寸，提取该区域的特征信息并训练滤波器模板。（2）区域特征提取：提取待检测区域的特征信息，特征包括：形状特征、颜色特征和深度特征等。为了抑制边界效应，通常还需要给提取后的特征加上余弦窗。（3）预测目标位置：检测过程在频域进行计算，将加完余弦窗的目标特征信息经过傅里叶变换转换到频域，接着与滤波器进行点积操作，之后将运算结果通过逆傅里叶变换重新转换到时域得到最终的响应输出，然后取其中的响应最大值作为目标预测位置。（4）模型更新：由于目标在运动时，自身和背景会发生变化，因此需要对模型进行及时更新。在目标预测位置截取感兴趣区域，提取特征并采取一定策略更新滤波器模板。图2.2相关滤波跟踪流程上面简单的描述了滤波类跟踪算法的主要流程，后续本文将以KCF为例，解释说明相关滤波目标跟踪算法的跟踪原理并对跟踪步骤进行详细的理论推导。
杭州电子科技大学硕士学位论文12其中，第一行为生成向量x，第二行为x右移一位后的向量，最后一行为x右移n-1位的向量，C(x)包含所有循环移位后的向量，即循环矩阵X。可以看到，除了第一个样本是采样得到，其他的n-1个样本都是通过循环移位生成的，通过该方式大大的增加了样本数量。循环矩阵具有很多特殊的性质[27,55]，在相关滤波跟踪算法中主要使用到的性质是任意一个循环矩阵都可以通过离散傅里叶变换进行对角化，可以表示为：()HX=FdiagxF（2.3）其中，F表示DFT常量矩阵，x表示生成向量x的DFT，即x=F(x)。以上讲述的都是一维向量的循环矩阵，在实际跟踪算法中，跟踪目标通常都是二维图像，即二维矩阵。将循环矩阵在一维空间中的性质拓展到二维空间，二维矩阵不仅需要横向移位，还要进行纵向移位。当一个n×n样本图像通过循环移位操作后，可以生成n×n-1个额外样本。图2.3正中间的是原始样本，周围的八个图像块是原始样本通过循环移位生成的样本，可以看出经过循环移位会破坏目标的完整性。图2.3图像块循环移位
【参考文献】：
期刊论文
[1]采用核相关滤波器的长期目标跟踪[J]. 杨德东,蔡玉柱,毛宁,杨福才. 光学精密工程. 2016(08)
[2]相关滤波目标跟踪算法研究[J]. 顾培婷,黄德天,柳培忠,黄炜钦,汪鸿翔. 海峡科学. 2016(07)
[3]目标跟踪技术综述[J]. 高文,朱明,贺柏根,吴笑天. 中国光学. 2014(03)
[4]视觉导航技术的发展及其研究分析[J]. 王先敏,曾庆化,熊智,刘建业. 信息与控制. 2010(05)
[5]纹理研究综述[J]. 刘晓民. 计算机应用研究. 2008(08)
[6]基于特征点的图像配准技术探讨[J]. 赵芹,周涛,舒勤. 红外技术. 2006(06)
[7]基于特征点集的匹配算法应用于卫星姿态确定[J]. 蔡晓东,叶培建. 北京航空航天大学学报. 2006(02)
博士论文
[1]复杂场景下实时视觉目标跟踪的若干研究[D]. 朱建章.武汉大学 2014
[2]智能视频监控下的多目标跟踪技术研究[D]. 李彤.中国科学技术大学 2013
硕士论文
[1]基于相关滤波的视觉跟踪算法研究[D]. 王赛楠.中国矿业大学 2019
[2]基于核相关滤波的目标跟踪算法研究[D]. 李永珺.青岛理工大学 2018
[3]基于相关滤波的目标跟踪算法研究[D]. 谢晓佳.华南理工大学 2018
[4]结合相关滤波和卷积神经网络的目标跟踪方法研究[D]. 段汝湘.西北农林科技大学 2017
[5]基于相关滤波器的目标跟踪技术[D]. 董艳梅.北京理工大学 2015
[6]智能视频分析中目标跟踪算法的改进与实现[D]. 赵俊青.电子科技大学 2014
本文编号：3467412
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3467412.html
