基于多层视觉线索融合的单目标跟踪算法研究与系统实现
发布时间:2021-07-10 23:04
在计算机视觉领域中,视觉目标跟踪技术因其在智能监控、场景理解、机器人导航等众多领域的广泛应用,受到学术界和工业界的重点关注。然而,目标对象形变、旋转、运动模糊、尺度变化以及场景中的光照变化、遮挡、相似物干扰、摄像机抖动等复杂多变的因素都使得目标跟踪任务颇具挑战。因此,研究更具鲁棒性和准确性的目标跟踪算法仍然是行业难点。本文针对目前流行的相关滤波跟踪算法存在的问题,通过采用有效的多层视觉线索融合的视觉表征方式以解决复杂挑战场景中单目标跟踪的准确性与稳定性问题。主要成果如下:为有效减少目标跟踪框内背景噪声对目标建模的影响,解决常见的相关滤波跟踪算法所采用的整体滤波模板鲁棒性不足的问题,本文结合多层视觉线索的优势进行模型构建,提出了一种超像素约束的相关滤波跟踪算法。在中层视觉线索构建中,本文提出了一种新颖的像素级置信度特征来表征超像素,提升了目标外观建模的准确性。并且,采取的样本去杂提纯操作以及超像素回归方式获取了更加准确有效的前景分割,减轻了跟踪过程中经常出现的形变、遮挡、背景噪声等复杂情况带来的问题。该算法在众多数据集上表现优秀。为缓解相关滤波跟踪算法经常出现的“预测目标漂移到非物体背景...
【文章来源】:北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】:86 页
【学位级别】:硕士
【部分图文】:
图1-1所示,视觉目标跟踪的基本问题m是在一个视频或图像序列的第一??
使基于相关滤波的跟踪方法逐渐成为研究热点。相关滤波跟踪算法将目标区??域的特征表达回归为高斯分布形式,以此来学习训练滤波模型,并通过在后续帧??的搜索区域中寻找响应结果的最大峰值来定位目标位置,其框架结构如图1-2所??示。Henriques等人[22]提出的CSK在MOSSE的基础上利用循环矩阵的循环移位??近似密集采样,使用快速傅里叶变换对算法进行加速计算,利用高斯核计算候选??样本和上一帧中目标区域的相关性,将最大响应位置视为当前帧预测到的目标中??3??
法或人工指定,目标跟踪任务需要基于初始帧中的目标对象,在后续帧中预测目??标对象的位置和大小。参考王乃岩等人[55]对这一基本任务流程的描述,可以按如??下图2-1的框架对目标跟踪任务进行划分。??模型更新?i??预測结果1??PH???周I??输入楨?运动糢型?特征提取?现測糢??领.到?果3:?集成?最终預测结果??图2-1目标跟踪基本任务流程图[55]??根据图2-1所示框架,目标跟踪可被为5个组成部分,其各自的功能总结如??下。(1)运动模型:在前一视频帧或图像序列的基础上,运动模型在当前视频或??图像中得到一组候选的跟踪目标样本。(2)特征提取:特征提取器使用某些特征??表示候选样本的每个样本。(3)观测模型:在己提取特征的基础上,将全部候选??目标样本输入观测模型进行判断,分辨其是否是真实目标。(4)模型更新:通??过使用模型更新器,对观测模型的更新策略和更新频率进行控制。(5)集成方法:??如果该跟踪系统包含多个跟踪器,收集所有跟踪器的输出数据,使用这些数据在??集成学习模型集进行训练,从而将其融合得到更优的决策结果。即,选定初始帧??中目标对象的位置和大小
本文编号:3276816
【文章来源】:北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】:86 页
【学位级别】:硕士
【部分图文】:
图1-1所示,视觉目标跟踪的基本问题m是在一个视频或图像序列的第一??
使基于相关滤波的跟踪方法逐渐成为研究热点。相关滤波跟踪算法将目标区??域的特征表达回归为高斯分布形式,以此来学习训练滤波模型,并通过在后续帧??的搜索区域中寻找响应结果的最大峰值来定位目标位置,其框架结构如图1-2所??示。Henriques等人[22]提出的CSK在MOSSE的基础上利用循环矩阵的循环移位??近似密集采样,使用快速傅里叶变换对算法进行加速计算,利用高斯核计算候选??样本和上一帧中目标区域的相关性,将最大响应位置视为当前帧预测到的目标中??3??
法或人工指定,目标跟踪任务需要基于初始帧中的目标对象,在后续帧中预测目??标对象的位置和大小。参考王乃岩等人[55]对这一基本任务流程的描述,可以按如??下图2-1的框架对目标跟踪任务进行划分。??模型更新?i??预測结果1??PH???周I??输入楨?运动糢型?特征提取?现測糢??领.到?果3:?集成?最终預测结果??图2-1目标跟踪基本任务流程图[55]??根据图2-1所示框架,目标跟踪可被为5个组成部分,其各自的功能总结如??下。(1)运动模型:在前一视频帧或图像序列的基础上,运动模型在当前视频或??图像中得到一组候选的跟踪目标样本。(2)特征提取:特征提取器使用某些特征??表示候选样本的每个样本。(3)观测模型:在己提取特征的基础上,将全部候选??目标样本输入观测模型进行判断,分辨其是否是真实目标。(4)模型更新:通??过使用模型更新器,对观测模型的更新策略和更新频率进行控制。(5)集成方法:??如果该跟踪系统包含多个跟踪器,收集所有跟踪器的输出数据,使用这些数据在??集成学习模型集进行训练,从而将其融合得到更优的决策结果。即,选定初始帧??中目标对象的位置和大小
本文编号:3276816
本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3276816.html
最近更新
教材专著