自适应特征融合及模板更新跟踪算法
发布时间：2021-01-18 08:08
视频目标跟踪通过对目标对象的特征实现提取,然后在视频帧序列中检测运动目标,从而获得目标的所在位置、运动路径等信息,并且目前已经被大量地应用于安防监控、交通监测、国防侦察等多个现实领域。从Meanshift、Particle Filter和Kalman Filter等比较传统的算法,发展到运用相关滤波与深度学习等理论的最新算法,目标跟踪技术不断取得突破性的进展。但是由于目标跟踪本身的复杂性,现有的跟踪算法总是不尽如人意。传统的跟踪算法虽然计算量比较小,速度也比较快,但是跟踪的准确度比较低;而深度学习类算法的精度和鲁棒性虽然较好,但是由于深度学习计算量相对较大,算法不能达到实时性的要求,并且对于硬件的要求也很高。因此,如何使算法能够在跟踪的过程中兼顾精度和速度的要求,就成为了本文的研究重点。通过分析研究,相关滤波跟踪算法的精度和鲁棒性较之传统算法有很大进步,并且算法速度较快,因此本文基于该类算法进行研究。通过对相关滤波跟踪算法的分析,本文主要从特征的选取和融合、模板的更新两个方面进行讨论。（1）传统的单目标跟踪算法一般只采用一个特征来对目标对象进行描述,然而单特征并不能够完整地表征运动目标...
【文章来源】：云南大学云南省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图２－２：?ＨＯＧ特征中ｃｅｌｌ和ｂｌｏｃｋ图示??ｂｌｏｃｋ的形状主要有矩形和环形两种，其中矩形ｂｌｏｃｋ主要是形的，
?（ｅ）??图２－３：?Ｈａａｒ－丨ｉｋｅ特征常见模板??如图２－３中的（ａ）、（ｂ）、（ｅ），其特征值的计算公式为：??ｖ?＝?ｓｕｍｔ３?－ｓｕｍｍ?（２．２７）??而图２＿３中的（ｃ）和（ｄ）的特征值计算公式为：??ｖ?＝?ｓｗｎ＾?—?２?ｘ?ｓｕｍｍ?（２．２８）??需要注意的是，在求解Ｈａａｒ特征时，需要保证两个颜色的矩形范围大小一致，??即像素点的个数相同，因此式２．２８要对黑色区域进行加倍的操作。??由于在图像中的任何位置都存在矩形特征，并且矩形的大小也能够随意更改，??所以当矩形特征的尺寸和位置发生改变时，就能够在较小的区域中得到大量的矩??形特征。那么怎样才能对大量的特征值进行快速的计算？为了解决这个问题，有学??者提出了积分图的概念。??１７??
?（ｄ）?（ｅ）??图２－３：?Ｈａａｒ－丨ｉｋｅ特征常见模板??如图２－３中的（ａ）、（ｂ）、（ｅ），其特征值的计算公式为：??ｖ?＝?ｓｕｍｔ３?－ｓｕｍｍ?（２．２７）??而图２＿３中的（ｃ）和（ｄ）的特征值计算公式为：??ｖ?＝?ｓｗｎ＾?—?２?ｘ?ｓｕｍｍ?（２．２８）??需要注意的是，在求解Ｈａａｒ特征时，需要保证两个颜色的矩形范围大小一致，??即像素点的个数相同，因此式２．２８要对黑色区域进行加倍的操作。??由于在图像中的任何位置都存在矩形特征，并且矩形的大小也能够随意更改，??所以当矩形特征的尺寸和位置发生改变时，就能够在较小的区域中得到大量的矩??形特征。那么怎样才能对大量的特征值进行快速的计算？为了解决这个问题，有学??者提出了积分图的概念。??１７??
【参考文献】：
期刊论文
[1]自适应上下文感知相关滤波目标跟踪[J]. 何冉,陈自力,刘建军,高喜俊. 电光与控制. 2019(05)
[2]基于置信度的加权特征融合相关滤波跟踪[J]. 成悦,李建增,李爱华,褚丽娜. 计算机工程与应用. 2019(20)
[3]自适应尺度特征融合与模型更新的跟踪算法[J]. 王日宏,李永珺,张立锋. 计算机应用研究. 2019(12)
[4]基于Haar-like特征多分类器集成的行人检测[J]. 齐燕舞,朱杰. 信息技术. 2017(08)
[5]基于视觉显著性特征的自适应目标跟踪[J]. 张亚红,杨欣,沈雷,周延培,周大可. 吉林大学学报(信息科学版). 2015(02)
[6]基于不确定性度量的多特征融合跟踪[J]. 顾鑫,王海涛,汪凌峰,王颖,陈如冰,潘春洪. 自动化学报. 2011(05)
博士论文
[1]复杂场景下视频目标检测及跟踪算法研究[D]. 周浩.云南大学 2011
硕士论文
[1]基于相关滤波的单目标跟踪算法研究[D]. 钟国崇.南昌航空大学 2018
[2]基于相关滤波器的单目标跟踪算法研究[D]. 张晓玄.江南大学 2018
[3]复杂场景下的相关滤波跟踪算法研究[D]. 谷成刚.安徽大学 2018
[4]基于模板匹配及多特征融合的目标跟踪算法研究[D]. 袁笛.哈尔滨工业大学 2017
[5]基于时空上下文的视频目标跟踪算法研究[D]. 朱威.重庆大学 2017
[6]智能监控中目标检测与分类技术的研究[D]. 王国华.安徽大学 2012
[7]基于粒子滤波的视频目标跟踪算法研究[D]. 王兆光.南京航空航天大学 2010
[8]基于点特征的目标跟踪算法研究及其在机器人导航上的应用[D]. 汪婧.南京理工大学 2008
本文编号：2984599
【文章来源】：云南大学云南省 211工程院校
【文章页数】：70 页
【学位级别】：硕士
【部分图文】：
图２－２：?ＨＯＧ特征中ｃｅｌｌ和ｂｌｏｃｋ图示??ｂｌｏｃｋ的形状主要有矩形和环形两种，其中矩形ｂｌｏｃｋ主要是形的，
?（ｅ）??图２－３：?Ｈａａｒ－丨ｉｋｅ特征常见模板??如图２－３中的（ａ）、（ｂ）、（ｅ），其特征值的计算公式为：??ｖ?＝?ｓｕｍｔ３?－ｓｕｍｍ?（２．２７）??而图２＿３中的（ｃ）和（ｄ）的特征值计算公式为：??ｖ?＝?ｓｗｎ＾?—?２?ｘ?ｓｕｍｍ?（２．２８）??需要注意的是，在求解Ｈａａｒ特征时，需要保证两个颜色的矩形范围大小一致，??即像素点的个数相同，因此式２．２８要对黑色区域进行加倍的操作。??由于在图像中的任何位置都存在矩形特征，并且矩形的大小也能够随意更改，??所以当矩形特征的尺寸和位置发生改变时，就能够在较小的区域中得到大量的矩??形特征。那么怎样才能对大量的特征值进行快速的计算？为了解决这个问题，有学??者提出了积分图的概念。??１７??
?（ｄ）?（ｅ）??图２－３：?Ｈａａｒ－丨ｉｋｅ特征常见模板??如图２－３中的（ａ）、（ｂ）、（ｅ），其特征值的计算公式为：??ｖ?＝?ｓｕｍｔ３?－ｓｕｍｍ?（２．２７）??而图２＿３中的（ｃ）和（ｄ）的特征值计算公式为：??ｖ?＝?ｓｗｎ＾?—?２?ｘ?ｓｕｍｍ?（２．２８）??需要注意的是，在求解Ｈａａｒ特征时，需要保证两个颜色的矩形范围大小一致，??即像素点的个数相同，因此式２．２８要对黑色区域进行加倍的操作。??由于在图像中的任何位置都存在矩形特征，并且矩形的大小也能够随意更改，??所以当矩形特征的尺寸和位置发生改变时，就能够在较小的区域中得到大量的矩??形特征。那么怎样才能对大量的特征值进行快速的计算？为了解决这个问题，有学??者提出了积分图的概念。??１７??
【参考文献】：
期刊论文
[1]自适应上下文感知相关滤波目标跟踪[J]. 何冉,陈自力,刘建军,高喜俊. 电光与控制. 2019(05)
[2]基于置信度的加权特征融合相关滤波跟踪[J]. 成悦,李建增,李爱华,褚丽娜. 计算机工程与应用. 2019(20)
[3]自适应尺度特征融合与模型更新的跟踪算法[J]. 王日宏,李永珺,张立锋. 计算机应用研究. 2019(12)
[4]基于Haar-like特征多分类器集成的行人检测[J]. 齐燕舞,朱杰. 信息技术. 2017(08)
[5]基于视觉显著性特征的自适应目标跟踪[J]. 张亚红,杨欣,沈雷,周延培,周大可. 吉林大学学报(信息科学版). 2015(02)
[6]基于不确定性度量的多特征融合跟踪[J]. 顾鑫,王海涛,汪凌峰,王颖,陈如冰,潘春洪. 自动化学报. 2011(05)
博士论文
[1]复杂场景下视频目标检测及跟踪算法研究[D]. 周浩.云南大学 2011
硕士论文
[1]基于相关滤波的单目标跟踪算法研究[D]. 钟国崇.南昌航空大学 2018
[2]基于相关滤波器的单目标跟踪算法研究[D]. 张晓玄.江南大学 2018
[3]复杂场景下的相关滤波跟踪算法研究[D]. 谷成刚.安徽大学 2018
[4]基于模板匹配及多特征融合的目标跟踪算法研究[D]. 袁笛.哈尔滨工业大学 2017
[5]基于时空上下文的视频目标跟踪算法研究[D]. 朱威.重庆大学 2017
[6]智能监控中目标检测与分类技术的研究[D]. 王国华.安徽大学 2012
[7]基于粒子滤波的视频目标跟踪算法研究[D]. 王兆光.南京航空航天大学 2010
[8]基于点特征的目标跟踪算法研究及其在机器人导航上的应用[D]. 汪婧.南京理工大学 2008
本文编号：2984599
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2984599.html
最近更新
教材专著
