背景变化的多运动目标实时在线跟踪方法研究

发布时间：2024-07-07 08:15

　　目标跟踪是在图像序列或视频中利用当前帧和历史帧中的目标轮廓、大小、纹理、速度等特征信息定位感兴趣目标,继而统计目标的运动轨迹和外观变化数据,为高级机器视觉处理提供信息基础。本文主要研究如何跟踪背景变化情况下的多个运动目标,采用相关滤波方法和FPGA技术以达到实时在线跟踪的目的。主要解决核相关滤波器跟踪算法在面对背景杂乱、光照改变、目标尺度变化、被遮挡等干扰因素时,跟踪模板易受污染,导致跟踪失败的问题。从目标建模入手,提出了一种双特征结合的相关滤波跟踪算法。该方法结合梯度特征和颜色特征,以相关滤波器响应与高斯分布相似度为评判标准,动态调整目标跟踪模板的学习率,抑制含噪外观变化对模型的影响,有效缓解目标模型的退化,解决了使用单一特征进行目标跟踪时无法同时抵抗目标快速运动干扰和光照、背景干扰的问题。从分块跟踪出发,提出了一种抗遮挡和尺度变化的分块相关滤波跟踪算法。设计了一种基于色调投影的目标分块方法,该方法利用空间结构信息对目标进行分块。分块相关滤波跟踪方法,协同各个子块以抵抗目标被局部遮挡的干扰。在此基础上,统计各个子块的位置信息以完成目标尺度变化的估计。结合两种相关滤波跟踪方法,实现了多...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外的相关研究进展及发展趋势
        1.2.1 视觉目标跟踪算法分类
        1.2.2 多目标跟踪的问题和挑战
    1.3 论文的研究内容
    1.4 论文的组织结构
第二章 多目标跟踪中的相关滤波理论和关键技术
    2.1 相关滤波跟踪算法的基本框架
    2.2 相关滤波中的MOSSE目标跟踪算法
    2.3 目标跟踪中的核相关滤波算法
        2.3.1 循环矩阵采样
        2.3.2 线性回归训练
        2.3.3 非线性回归训练
        2.3.4 目标检测及模型更新
        2.3.5 核相关滤波跟踪算法流程
    2.4 目标跟踪的评价方法
    2.5 本章小结
第三章 多目标跟踪中的双特征结合及相关滤波
    3.1 复杂背景下的特征结合方法
        3.1.1 目标特征选取
        3.1.2 特征结合模型
    3.2 针对背景变化和被遮挡的多运动目标跟踪
        3.2.1 利用响应图的峰形特征评判跟踪状态
        3.2.2 相关滤波模板的自适应更新
        3.2.3 多目标运动状态的预估
    3.3 多目标跟踪的双特征结合与运动预估目标跟踪算法流程
    3.4 双特征结合与运动预估对跟踪效果的改进性能及分析
        3.4.1 背景变化实例跟踪效果
        3.4.2 针对OTB-2015 数据集的跟踪效果比较分析
    3.5 本章小结
第四章 多目标跟踪中的自适应分块相关滤波方法
    4.1 依据色调投影梯度的目标自适应分块方法
    4.2 多目标跟踪中的子块协同方法
        4.2.1 子块位置更新
        4.2.2 目标全局位置的更新
        4.2.3 目标尺度变化的估计
        4.2.4 相关滤波模板的自适应更新
    4.3 结合分块和双特征结合的目标跟踪算法
    4.4 实验结果与分析
        4.4.1 背景和尺度变化实例跟踪效果
        4.4.2 算法在OBT-2015 数据集的跟踪结果
    4.5 本章小结
第五章 多目标跟踪算法在FPGA上的实现技术研究
    5.1 多目标实时跟踪的功能需求分析
        5.1.1 适用于FPGA的目标区域采样
        5.1.2 核函数的选取
        5.1.3 硬件开发平台
    5.2 多目标实时跟踪系统的总体设计
    5.3 多目标跟踪关键算法的FPGA实现
        5.3.1 目标跟踪算法的实现过程
        5.3.2 多目标跟踪算法的流水线架构
        5.3.3 特征提取模块的优化与实现
        5.3.4 相关滤波模块的实现和优化
        5.3.5 图像数据的的缓存模块
    5.4 整体算法的测试与分析
    5.5 本章小节
第六章 总结与展望
    6.1 主要工作与创新点
    6.2 后续研究工作
致谢
参考文献
攻读硕士学位期间取得的成果



本文编号：4003418