基于时空上下文的目标跟踪算法研究

发布时间：2020-02-10 05:53

【摘要】：基于视觉的目标跟踪是计算机视觉研究领域中的一个重要课题。目标跟踪是对图像序列中的目标进行检测,提取特征、判断、匹配、识别的过程,在该过程中我们可以获得目标的运动参数,例如位置、速度和加速度等信息,为做进一步的分析与理解提供帮助。基于目标跟踪在视觉导航、人机交互、视频监控等未来智能领域的广泛应用性,设计一个鲁棒的视觉跟踪算法在理论和实践中具有重要意义。但是由于外部环境的复杂多变性及目标自身状态的多样性,使得设计一个通用、鲁棒性质的跟踪算法始终是一个极富挑战性的课题。为实现在光照变化、背景扰动、目标遮挡、尺度变化等复杂环境下的目标跟踪,本文主要是对目标时空上下文信息利用以及复杂环境下的尺度变化进行研究。本文主要研究过程为:首先,针对基于时空上下文的目标快速跟踪(STC)算法中无法对目标进行准确的尺度估计的缺陷进行优化,提出新的基于时空上下文的目标多尺度跟踪的算法(SASTC)。本文提出的算法借鉴基于相关滤波跟踪的框架,在2维的目标跟踪的原理基础上进行1维的目标尺度的计算。本文算法将跟踪过程分为两个独立的部分:跟踪部分和尺度计算部分,尺度计算部分可以被任何跟踪框架下的其它算法所借鉴和应用。其次,由于本文将跟踪过程分为两个相互独立的部分,因此在每个独立的部分都可以选择不同的特征描述和特征计算方式对跟踪过程进行训练和测试。为了提高跟踪的综合性能,我们在位置估计部分采用常用特征图像灰度值,在尺度估计部分采用PCA-HOG特征,不同特征的使用可以构造更完善、有效的目标外观模型,增强算法的鲁棒性。最后,在整体上对算法细节进行了优化。一方面,在算法实现的过程中使用了图像归一化的处理方式,这种操作在没有改变图像的对比度的前提下,可以有效地减小由于光线不均匀对目标图像造成的光照干扰。另一方面,在傅里叶变换之前对图像加上一个具有低通滤波特性的汉明窗,以便滤掉图像边缘的高频部分,减少图像边界的频率效应。
【图文】：

2.2.2 目标跟踪系统的模块运动流程一个追踪系统如图 2-1 的通常工作方式如下：首先，在第一帧，用给定的目标区域(一般是由用户手动标记或者事先指定好目标区域坐标)初始化观测模型(Observation Model)；然后，在接下来的每一帧中，运动模型(Motion Model)根据前一帧或几帧的估计结果，计算出当前帧的目标候选区域；然后提取目标候选区域的特征，，并作为输入传递给观测模型，并计算得到的最大值所对应的候选区域作为目标当前帧的位置。最后在模型更新部分，算法会对观测模型的输出结果进行判断，比如设置结果阈值，以此决定观测模型是否需要更新，如果需要，则该部分根据设定的更新频率和更新策略进行模型更新。最后，如果一个跟踪系统是由多个跟踪器组成(会产生多个相应的跟踪结果值)，则在系统后处理(Ensemble Post-processor)部分，跟踪系统需要将各个跟踪器产生的预测结果综合、融合成一个更加精确地预测作为结果输出，即当前帧目标位置。

第 2 章 运动目标跟踪算法理论基础式的目标跟踪算法型的引入，作一个通俗易懂的例子：假设现在特性来区分大象( y 1)和狗( y 0)。给定这样一归[33]会试图找到一条直线也就是决策边界，来区分，回归模型会根据这个新样本的特征计算出该得到相应的分类结果。上述例子通俗易懂的介本目的。一种建模方式：首先，根据训练集中的大象样集中的狗的样本，可以构造出狗的模型。然后与大象模型和狗的模型分别进行匹配并计算出其流程如下图 2-2。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 高翔;;基于粒子滤波的目标跟踪算法浅析[J];硅谷;2011年09期

2 金忠;一种多目标跟踪算法[J];南京理工大学学报(自然科学版);1985年S1期

3 龚萍;张辉;毛征;张庆龙;孔文超;;融合局部熵二维熵的空中目标跟踪算法研究[J];国外电子测量技术;2014年01期

4 马奔,史忠科,皮燕妮;成像目标跟踪算法分析[J];西安电子科技大学学报;2005年03期

5 孙中森;孙俊喜;宋建中;乔双;;一种抗遮挡的运动目标跟踪算法[J];光学精密工程;2007年02期

6 陈爱华;孟勃;朱明;王艳华;;多模式融合的目标跟踪算法[J];光学精密工程;2009年01期

7 牛长锋;刘玉树;;融合多特征的粒子滤波目标跟踪算法[J];华中科技大学学报(自然科学版);2010年01期

8 蔡荣太;吴元昊;王明佳;吴庆祥;;视频目标跟踪算法综述[J];电视技术;2010年12期

9 佟国峰;蒋昭炎;谷久宏;庞晓磊;;基于随机蕨丛的长期目标跟踪算法[J];东北大学学报(自然科学版);2013年01期

10 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期

相关会议论文 前10条

1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集（上卷）[C];1995年

2 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

3 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

4 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 李军;张华;单梁;;一种基于Mean shift和粒子滤波的综合目标跟踪算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

6 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

7 郑黎义;陈兴无;王磊;李正东;;红外/雷达双传感器融合目标跟踪算法[A];中国工程物理研究院科技年报（2005）[C];2005年

8 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

9 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年

10 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年

相关博士学位论文 前10条

1 胡子军;基于随机有限集的雷达多目标跟踪算法研究[D];西安电子科技大学;2015年

2 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年

3 王晶晶;复杂拥挤环境下协同视频监控中目标跟踪算法研究[D];中国科学技术大学;2016年

4 田浩;基于核函数的目标跟踪算法研究[D];长安大学;2016年

5 秦永;基于随机有限集的目标跟踪算法研究[D];华中科技大学;2016年

6 项俊;基于检测的数据关联多目标跟踪算法研究[D];华中科技大学;2016年

7 金加根;基于元数据的雷达目标检测和跟踪研究[D];武汉理工大学;2015年

8 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年

9 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年

10 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年

相关硕士学位论文 前10条

1 张健;形变目标跟踪算法的研究与实现[D];辽宁大学;2015年

2 张巧丽;基于LabVIEW的运动目标跟踪算法研究与实现[D];陕西科技大学;2015年

3 钟宝康;基于压缩感知的预测目标跟踪算法研究[D];江西理工大学;2015年

4 薛桐;基于CamShift的运动目标跟踪算法研究[D];沈阳理工大学;2015年

5 王增宇;基于稀疏表达的目标跟踪算法研究[D];沈阳理工大学;2015年

6 王静;结构化的表观模型及两阶段目标跟踪算法研究[D];沈阳理工大学;2015年

7 葛凯蓉;自然场景下目标跟踪算法的研究[D];山东大学;2015年

8 向伟;基于检测的目标跟踪算法研究[D];上海交通大学;2015年

9 单顺勇;结合多示例学习和模板匹配的目标跟踪算法研究[D];江西理工大学;2015年

10 张碧武;基于单目视觉的目标跟踪算法的研究与实现[D];电子科技大学;2015年

本文编号：2578084