基于相关滤波框架下多特征融合目标跟踪算法的研究

发布时间：2021-07-18 10:47

　　目前,伴随着复杂的应用环境和严苛的技术要求,目标跟踪技术需要不断地改进。其中,目标特征的提取是跟踪技术中一个重要的改进方向。从简单特征到复杂特征,从单一特征到多特征,不断地优化特征对目标外观的表达能力。本文以相关滤波框架为理论基础,重点关注跟踪过程中的特征选择问题,同时兼顾算法实时性与鲁棒性的要求,结合多种相关滤波目标跟踪算法开展研究工作。具体研究内容及创新点概括如下:（1）针对单一颜色特征在复杂的跟踪场景中无法兼顾局部与全局信息而造成跟踪漂移或失败的问题,提出了一种以相关滤波跟踪算法为框架的双颜色特征融合目标跟踪方法。首先,在相关滤波跟踪框架下提取目标的颜色直方图和自适应颜色降维（CN）特征,并求解出不同特征的响应;然后,提出一种新的特征响应融合策略,通过相邻帧目标中心的距离关系,来自适应特征响应融合时的权重,减少在响应融合阶段的调参工作,增加算法的性能。（2）针对双颜色算法在光照变化、快速运动、背景干扰等场景中鲁棒性差的问题,在双颜色特征的基础上引入梯度直方图（HOG）特征,提出一种三特征融合跟踪算法。采用多种特征融合的方式,丰富了目标外观的特征表示,提高了算法的跟踪精度。为了满足... 

【文章来源】：燕山大学河北省

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

跟踪任务中的主要挑战1.4目标跟踪系统的框架

第 1 章 绪 论时间。整合后处理器，如果跟踪系统包括多个跟踪器，需要通过整合后处理器对每个跟踪器的结果进行分析整合，确定最终的输出。每个部分在跟踪任务中承担了不同的任务，且每个部分都可以作为一个独立的部分对其进行研究和改进，从而增加算法的跟踪性能。为了方便对目标跟踪系统的学习和理解，绘制系统的整体流程图，如图 1-2 所示。

并寻找响应的最大值确定下一帧目标中心位置。在训练相关滤波器过程中，可以采用稠密采样或稀疏采样。一般为了跟踪算法的实时性不得不采用稀疏采样，通过随机提取目标周围的少数候选样本来训练滤波器，这是以牺牲算法性能为代价来换取的在线训练与实时的跟踪。随着学者们的深入研究，通过引入循环矩阵能够构造出丰富的候选样本，使得训练样本由稀疏变为稠密，极大的增加了算法的性能，同时也降低了训练相关滤波器所花费的时间[22]。为进一步增加相关滤波器的跟踪性能，通过将特征样本映射到高维空间，使得样本更易区分。但高维的特征样本极大的增加了算法的计算复杂度，为了降低相关滤波跟踪算法的计算复杂度，通过引入核技巧来计算花费，使得高维的计算花费能够与线性计算相似。在更新相关滤波器的过程中，目标通常会出现不同程度的外观变化，包括尺度大小、姿态变化、光照的不同以及遮挡等等。因此，相关滤波器需要快速适应当前帧目标外观的变化。通过设置学习率参数，可以使得最近帧的目标外观占据主导的地位，而先前帧的目标外观的影响会随着时间呈现指数下降。

【参考文献】：
期刊论文
[1]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋.  模式识别与人工智能. 2018(01)
[2]深度学习在视频目标跟踪中的应用进展与展望[J]. 管皓,薛向阳,安志勇.  自动化学报. 2016(06)
[3]增量深度学习目标跟踪[J]. 程帅,孙俊喜,曹永刚,赵立荣.  光学精密工程. 2015(04)
[4]在线加权多示例学习实时目标跟踪[J]. 陈东成,朱明,高文,孙宏海,杨文波.  光学精密工程. 2014(06)
[5]基于粒子滤波的空-地目标跟踪算法[J]. 宋策,张葆,尹传历,王超.  光电子.激光. 2013(10)
[6]用Roberts算子进行边缘处理[J]. 王冰.  甘肃科技. 2008(10)
[7]视觉跟踪技术综述[J]. 侯志强,韩崇昭.  自动化学报. 2006(04)
[8]目标跟踪方法综述[J]. 邵文坤,黄爱民,韦庆.  影像技术. 2006(01)
[9]基于Laplacian算子的一种新的边缘检测方法[J]. 吕俊白.  小型微型计算机系统. 2002(09)

博士论文
[1]基于计算机视觉的运动目标跟踪算法研究[D]. 尹宏鹏.重庆大学 2009



本文编号：3289422