基于相关滤波的目标跟踪算法研究

发布时间：2017-04-06 11:10

  本文关键词：基于相关滤波的目标跟踪算法研究，，由笔耕文化传播整理发布。

【摘要】：近年来,目标跟踪技术的研究取得了很大进步,涌现出许多优秀的目标跟踪算法,但仍然面临着一系列的挑战,例如摄像机快速抖动、目标遮挡、目标尺度变化等,经常导致目标跟踪发生漂移或失败。为了解决相关目标跟踪过程中目标遇到遮挡及尺度变换的问题,本文针对特征融合和自适应尺度变换等问题进行了深入研究,主要成果如下：(1)提出了一种自适应加权融合目标颜色特征和HOG特征的方法,先根据两种特征分别训练最小二乘法分类器,跟踪得到目标位置。并根据两种特征响应值的大小自适应为两种特征分配权重,提高了目标跟踪的鲁棒性；(2)分析了目标表观模型和分类器参数的学习速率对目标跟踪的影响,利用帧差法分析相邻两帧图像的变化速率,在特征融合算法的基础上根据图像的变化速率设计了一种分类器学习速率的分段调整方法,可有效解决目标遮挡造成的目标跟踪失败的问题；(3)给出了一种尺度预测的方法,依据特征融合检测到的目标位置,提取不同尺度大小的样本的HOG特征,通过训练核函数的最小二乘法分类器,从而获得尺度输出响应的最大值完成对目标尺度的预测。该方法可以依据目标尺度大小变化,自适应改变矩形跟踪框大小,提高目标跟踪的精度。(4)将以上3种算法结合在一起,形成本文最终的算法,从标准视频序列中选取9组具有目标遮挡、尺度变化及不同种类的视频序列对该算法进行测试,实验结果表明,该算法的平均中心位置误差(CLE)为5.18 pixels,平均距离精度(DP)可达95.09%,平均重叠精度(OP)高达96.44%。与现有的基于相关滤波器的目标跟踪方法中的最优者相比,该算法的平均中心位置误差(CLE)减少了4.09 pixels,平均距离精度(DP)提高了6.75%,平均重叠精度(OP)提高了22.24%,在目标遮挡和尺度变换等复杂条件下,该算法依然能够稳定准确地跟踪运动目标,具有十分重要的理论价值和应用研究价值。
【关键词】：视觉目标跟踪 相关滤波器 遮挡 尺度预测
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-14
• 1.1 研究背景及意义8-9
• 1.2 国内外研究现状9-12
• 1.3 主要研究内容及章节安排12-13
• 1.4 本章小结13-14
• 第二章 相关滤波目标跟踪算法基础14-26
• 2.1 相关滤波器14-17
• 2.1.1 相关的基本概念14-16
• 2.1.2 经典的相关滤波器16-17
• 2.2 核函数的基本介绍17-18
• 2.3 训练样本特征18-21
• 2.3.1 采集训练样本18-20
• 2.3.2 提取样本特征20-21
• 2.4 核化的正则化最小二乘法分类器(KRLS)21-25
• 2.4.1 训练分类器22-23
• 2.4.2 目标位置检测23
• 2.4.3 更新分类器23-25
• 2.5 本章小结25-26
• 第三章 基于多特征融合的目标跟踪算法26-41
• 3.1 自适应颜色特征26-28
• 3.1.1 颜色特征基本概念26-27
• 3.1.2 低维自适应颜色属性27-28
• 3.2 方向梯度直方图(HOG)28-31
• 3.3 自适应颜色特征和方向梯度直方图(HOG)特征的融合31-33
• 3.3.1 传统的特征融合方法32
• 3.3.2 决策层特征融合32-33
• 3.4 学习速率对跟踪的影响33-35
• 3.5 实验结果与分析35-40
• 3.5.1 性能评估35-36
• 3.5.2 实验结果36
• 3.5.3 对比分析36-40
• 3.6 本章小结40-41
• 第四章 基于尺度预测的目标跟踪算法41-51
• 4.1 尺度预测过程41-42
• 4.2 多尺度跟踪算法流程42-44
• 4.3 实验结果分析44-50
• 4.3.1 实验结果44-45
• 4.3.2 对比分析45-50
• 4.4 本章小结50-51
• 第五章 总结及展望51-53
• 参考文献53-57
• 申请学位期间的研究成果及发表的学术论文57-58
• 致谢58

【相似文献】

中国期刊全文数据库 前10条

1 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

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 王鲁平,李飚,胡敏露;一种基于多传感器数据融合的目标跟踪算法[J];红外与激光工程;2004年02期

中国重要会议论文全文数据库 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

中国博士学位论文全文数据库 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 王保宪;复杂背景下的视频目标跟踪算法研究[D];北京理工大学;2016年

3 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

4 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

5 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年

6 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年

7 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年

8 邱雪娜;基于视觉的运动目标跟踪算法及其在移动机器人中的应用[D];华东理工大学;2011年

9 赵运基;基于视觉的目标跟踪算法研究[D];华南理工大学;2012年

10 张健;面向能效优化的无线传感器网络分布式目标跟踪算法研究[D];东北大学;2011年

中国硕士学位论文全文数据库 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

  本文关键词：基于相关滤波的目标跟踪算法研究，由笔耕文化传播整理发布。

本文编号：288765