基于多相关滤波的视频跟踪算法研究

发布时间：2021-11-01 11:29

　　在计算机硬件发展与信息技术的带动下,计算机视觉和图像处理等领域的相关技术算法也取得了巨大的进步。视频跟踪一直是计算机视觉领域的核心研究任务,在人类的生活中也有着广泛的应用。目标跟踪可以看作在一个视频序列中对目标进行持续识别和检测的过程,第一帧通过手动标定或者自动识别确定待跟踪目标,然后利用目标跟踪算法在后续的图像序列中检测出目标的当前状态,包含目标位置和尺寸等信息。但是目标在运动过程中会发生姿态旋转和尺度缩放引起的内在形变,或者存在光照的改变,物体的遮挡,相似背景的干扰等外在因素,这些都会影响算法的鲁棒性和准确性,给目标跟踪技术增加了很大的难度。近几年相关滤波的成功引进使目标跟踪任务取得了很大的进展,准确率的大幅提升与高帧率的计算速度使其成为一种热门的主流的研究框架。基于周期假设的循环偏移生成了大量的训练样本,但也产生了许多不真实的负样本,在一定程度上降低了滤波模板的识别力。因此越来越多的研究者集中在设计复杂的正则化先验以对滤波器进行更强的约束,提高判别能力。本文提出了一种Plug-and-Play相关滤波器（PPCF）融合框架,可以迭代地集成不同的相关滤波跟踪器,将不同的正则化先验进... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 研究现状
    1.3 技术难点
    1.4 本文主要内容与创新点
    1.5 本文组织结构
2 目标跟踪相关技术
    2.1 视觉特征表示技术
        2.1.1 全局特征描述
        2.1.2 局部特征描述
        2.1.3 超像素分割特征
        2.1.4 深度特征
    2.2 相关滤波及在目标跟踪中的应用
        2.2.1 相关滤波
        2.2.2 MOSSE算法
        2.2.3 核相关滤波
3 基于多相关滤波的视频跟踪算法
    3.1 空间正则化相关滤波
    3.2 Plug-and-Play多相关滤波跟踪
    3.3 更新策略和实验对比
        3.3.1 定性比较
        3.3.2 定量比较
4 基于位置感知和多相关滤波融合的视频跟踪算法
    4.1 基于双层优化学习的跟踪算法
        4.1.1 双层优化学习
        4.1.2 多相关滤波正则化自适应融合
        4.1.3 由粗到细的位置更新策略
    4.2 LRCFs跟踪算法
    4.3 实验结果与分析
        4.3.1 收敛性分析
        4.3.2 双层学习框架的验证实验
        4.3.3 正则化融合的验证实验
        4.3.4 实验评估
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]自适应HLBP纹理特征的Meanshift目标跟踪算法[J]. 杜静雯,黄山,杨双祥.  计算机科学. 2017(S2)
[2]HLBP纹理特征Mean Shift目标跟踪算法[J]. 杨德红,闫河,刘婕,王朴.  计算机工程与设计. 2016(04)
[3]融合粒子滤波和在线adaboost分类器的目标跟踪方法研究[J]. 暴磊,边群星,陈稳.  信息通信. 2016(01)
[4]Kalman滤波融合优化Mean Shift的目标跟踪算法[J]. 韩涛,吴衡,张虎龙,侯海啸,邹强,张兴国.  光电工程. 2014(06)
[5]基于AdaBoost算法的实时目标跟踪[J]. 杨文倩.  中国安防. 2014(09)
[6]一种基于算法融合的运动目标跟踪算法[J]. 李红岩,毛征,袁建建,曲劲松,吴珍荣.  国外电子测量技术. 2013(12)
[7]一种基于多特征融合的粒子滤波目标跟踪算法[J]. 高秀斌,丁盼盼,蒋长帅,杜宇人.  扬州大学学报(自然科学版). 2013(01)
[8]基于Camshift和Kalman滤波结合的改进多目标跟踪算法[J]. 吴良健,况璐,邓庆林,刘海华.  现代科学仪器. 2010(01)
[9]基于多观测模型的粒子滤波头部跟踪算法[J]. 安国成,高建坡,吴镇扬.  中国图象图形学报. 2009(01)

博士论文
[1]基于多特征融合的Mean shift目标跟踪技术研究[D]. 田纲.武汉大学 2011



本文编号：3470033