基于相关滤波和孪生网络的视觉目标跟踪算法研究

发布时间：2021-02-17 10:12

　　视觉目标跟踪是计算机视觉中一个基础且重要的研究领域,在智能视频监控、人机交互、虚拟现实、视觉导航和医学诊断等诸多领域有着广泛的应用。在视频第一帧中给定任意感兴趣的目标的初始位置和大小后,视觉目标跟踪旨在估计该目标在后续视频帧中的位置和大小。国内外研究者对视觉目标跟踪问题已经开展了较多的研究,并在简单的场景中取得了较好的跟踪精度,如静态场景下的刚体目标跟踪。然而,在实际应用中,被跟踪目标通常会处于复杂场景中,存在着包括遮挡、变形、旋转、尺度变化、快速运动、运动模糊、光照变化和背景杂乱等一种或多种干扰因素,这增加了目标外观建模的难度,使得如何准确、高效、鲁棒地跟踪目标仍然是一个具有挑战性的问题。近年来,针对复杂场景下的视觉目标跟踪已经开展了一些研究,并提出了相应的跟踪算法。本文在分析已有跟踪算法的基础上,结合相关滤波（Correlation Filter）和深度学习技术对复杂场景中的视觉目标跟踪开展了深入研究。本文的具体工作如下:1、结合分块思想和相关滤波技术,提出了一种基于全局和局部特征的多相关滤波协同跟踪算法KCF-HR。首先,设计了一种衡量图像块置信度的评价指标,并基于此提出了一种局... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：125 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究工作的背景与意义
    1.2 视觉目标跟踪面临的挑战
    1.3 国内外研究历史与现状
        1.3.1 基于生成模型的跟踪算法
        1.3.2 基于判别模型的跟踪算法
    1.4 本文的主要研究内容
    1.5 本论文的结构安排
第二章 相关理论基础
    2.1 视觉目标跟踪
    2.2 基于相关滤波的目标跟踪
    2.3 基于深度学习的目标跟踪
    2.4 数据集和评价指标
        2.4.1 OTB数据集和评价指标
        2.4.2 VOT数据集和评价指标
    2.5 本章小结
第三章 基于全局和局部特征的多相关滤波协同跟踪算法
    3.1 现有研究分析
    3.2 基于全局和局部特征的多相关滤波协同跟踪算法
        3.2.1 基于局部模型的粗略位置估计
        3.2.2 基于全局模型的目标状态估计
        3.2.3 模型更新
    3.3 实验与结果分析
        3.3.1 实验设置
        3.3.2 定性分析
        3.3.3 定量分析
    3.4 本章小结
第四章 尺度自适应的相关滤波跟踪算法
    4.1 现有研究分析
    4.2 CFSA跟踪算法的总体框架
    4.3 候选边界框生成模块
    4.4 目标尺度估计模块
    4.5 CFSA跟踪算法的工作流程
    4.6 实验与结果分析
        4.6.1 实验设置
        4.6.2 定性分析
        4.6.3 定量分析
    4.7 本章小结
第五章 基于自适应加权多层CNN特征的相关滤波跟踪算法
    5.1 现有研究分析
    5.2 基于自适应加权多层CNN特征的相关滤波跟踪算法
        5.2.1 多尺度CNN特征提取网络
        5.2.2 自适应特征加权网络
    5.3 AWMF-CFNet跟踪算法的训练和跟踪过程
        5.3.1 算法的训练过程
        5.3.2 算法的跟踪过程
    5.4 实验与结果分析
        5.4.1 实验设置
        5.4.2 定性分析
        5.4.3 定量分析
    5.5 本章小结
第六章 基于区域的孪生网络跟踪算法
    6.1 现有研究分析
    6.2 基于区域的孪生网络跟踪算法
        6.2.1 多尺度CNN特征融合网络
        6.2.2 基于分块思想的特征整合网络
    6.3 RSNet跟踪算法的训练和跟踪过程
        6.3.1 算法的训练过程
        6.3.2 算法的跟踪过程
    6.4 实验与结果分析
        6.4.1 实验设置
        6.4.2 定性分析
        6.4.3 定量分析
    6.5 本章小结
第七章 总结与展望
    7.1 全文总结
    7.2 未来工作展望
致谢
参考文献
攻读博士学位期间取得的成果


【参考文献】：
期刊论文
[1]融入深度特征的多模板相关滤波跟踪算法[J]. 李宗民,付红姣,刘玉杰,李华.  计算机辅助设计与图形学学报. 2019(05)
[2]自适应上下文感知相关滤波跟踪[J]. 刘波,许廷发,李相民,史国凯,黄博.  中国光学. 2019(02)
[3]基于条件随机场的深度相关滤波目标跟踪算法[J]. 黄树成,张瑜,张天柱,徐常胜,王直.  软件学报. 2019(04)
[4]一种用于单目标跟踪的锚框掩码孪生RPN模型[J]. 李明杰,冯有前,尹忠海,周诚,董方昊.  计算机工程. 2019(09)
[5]人机交互与人工智能:从交替浮沉到协同共进[J]. 范向民,范俊君,田丰,戴国忠.  中国科学:信息科学. 2019(03)
[6]改进的SSD航拍目标检测方法[J]. 裴伟,许晏铭,朱永英,王鹏乾,鲁明羽,李飞.  软件学报. 2019(03)
[7]自适应特征选择的相关滤波跟踪算法[J]. 刘万军,孙虎,姜文涛.  光学学报. 2019(06)
[8]基于空间可靠性约束的鲁棒视觉跟踪算法[J]. 蒲磊,冯新喜,侯志强,余旺盛.  电子与信息学报. 2019(07)
[9]基于双重注意力孪生网络的实时视觉跟踪[J]. 杨康,宋慧慧,张开华.  计算机应用. 2019(06)
[10]基于稀疏表示的视频目标跟踪研究综述[J]. 黄宏图,毕笃彦,侯志强,胡长城,高山,查宇飞,库涛.  自动化学报. 2018(10)



本文编号：3037835