复杂场景中在线目标跟踪研究

发布时间：2017-07-07 19:29

  本文关键词：复杂场景中在线目标跟踪研究

  更多相关文章： 目标跟踪 时空上下文信息 颜色恒常性 随机森林 在线学习

【摘要】：目标跟踪是当前计算机视觉领域的研究热点之一。经过几十年的发展,目标跟踪在许多方面已经取得了很多进展,但其在复杂场景下的跟踪可靠性依旧是当前的研究难点之一。本文研究了现有的典型目标跟踪算法,并针对复杂场景中的光照变化和遮挡这两个跟踪难点对现有跟踪算法进行了研究和改进,主要研究成果如下:针对剧烈光照变化下图像局部或整体灰度剧烈变化而容易导致跟踪失败的问题,提出了一种结合颜色信息和Retinex灰度增强的时空上下文算法。该方法使用多尺度Retinex算法对图像进行增强以减弱光照变化对灰度图像的影响,并在使用Retinex灰度增强的目标模型的基础上,引入基于色调信息的目标模型与之结合成改进的目标模型用来跟踪。实验结果表明该方法在光照剧烈变化的场景下跟踪依然可靠,相较其它主流算法精度更高。针对复杂场景下的遮挡问题提出了一种双模型的时空上下文算法。改进算法引入了一个辅助目标模型,辅助目标模型基于图像二值特征而不是相关性信息,能评估时空上下文算法跟踪结果的有效性,并在时空上下文跟踪结果评估为无效时在图像中搜索目标。该方法在利用时空上下文模型在短时遮挡情况下的优势的同时,解决了时空上下文模型在持续遮挡过程中容易错误更新的缺点,同时也避免了单一使用二值特征进行跟踪带来的运算量大的问题。实验结果表明,提出的算法在遮挡场景中能可靠跟踪目标,具有较好的鲁棒性。
【关键词】：目标跟踪 时空上下文信息 颜色恒常性 随机森林 在线学习
【学位授予单位】：中国民航大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-16
• 1.1 研究背景和意义9-10
• 1.2 国内外研究现状10-14
• 1.2.1 目标跟踪发展历程10-12
• 1.2.2 目标跟踪算法分类12-14
• 1.3 本文研究内容及论文结构14-16
• 第二章 目标跟踪基本理论16-28
• 2.1 目标跟踪原理16-17
• 2.2 典型目标跟踪算法17-25
• 2.2.1 Meanshift算法18-19
• 2.2.2 基于P-N学习的目标跟踪算法19-22
• 2.2.3 时空上下文跟踪算法22-25
• 2.3 算法性能评估标准25-27
• 2.4 本章小节27-28
• 第三章 结合颜色信息和Retinex灰度增强时空上下文跟踪算法28-38
• 3.1 Retinex灰度增强28-30
• 3.1.1 单尺度Retinex算法29
• 3.1.2 多尺度Retinex算法29-30
• 3.2 颜色信息处理30-32
• 3.3 结合颜色信息与灰度增强的跟踪算法原理32-33
• 3.4 实验结果与分析33-37
• 3.5 本章小节37-38
• 第四章 基于双模型的时空上下文跟踪算法38-49
• 4.1 时空上下文目标模型的不足38-39
• 4.2 辅助目标模型39-43
• 4.2.1 评估器39-40
• 4.2.2 搜索器40-43
• 4.3 基于双模型的时空上下文算法43-44
• 4.4 实验结果与分析44-48
• 4.5 本章小节48-49
• 第五章 总结与展望49-50
• 致谢50-51
• 参考文献51-56
• 在学期间取得的学术成果56

，

本文编号：531562