基于超像素分割的目标跟踪算法研究

发布时间：2021-07-22 03:19

　　目标跟踪是计算机视觉领域研究重点之一,在自动驾驶、智能交通监控等诸多领域都有很大的实用价值。目前,最主流的跟踪算法是基于判别类的相关滤波跟踪算法,但在一些复杂的跟踪环境下,这些算法仍有待继续深入研究。在实际应用中,多目标跟踪需要对众多目标同时进行追踪,如果仅使用目标检测算法或单目标跟踪算法是无法实现的,针对此问题,需要一个具有高鲁棒性的多目标跟踪算法。基于上述分析,本文提出一种基于相关滤波跟踪器的超像素分割驱动跟踪算法,以解决传统相关滤波算法对于旋转、尺度变化等情况跟踪性能差的问题。将输入视频序列进行超像素分割,建立一个基于超像素的表观模型,能够有效捕捉目标的外观变化,有效解决目标跟踪中尺度变换的问题。本文将具有抗噪、抗旋转的分层梯度方向直方图（Pyramid Histogram of Oriented Gradients,PHOG）特征和颜色特征（Color Name,CN）进行结合,解决了目标平面内旋转和平面外旋转的问题。在OTB-2015数据集进行实验,本文提出的算法在AUC指标上达到了65.3%,比传统的核相关滤波跟踪算法（Kernel Correlation Filter,K... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

四个子集的状态转移图

重庆邮电大学硕士学位论文第4章基于马尔科夫决策过程的多目标跟踪算法43可知，在MOTA指标上，本章提出的算法能够达到36.5，高于其他两个对比算法。因为MOTA指标主要结合了误报、丢失目标和身份交换次数这三个数据，能够最有效体现多目标跟踪器的性能，由此可知，本章提出的多目标跟踪算法具有较高的性能。图4.2跟踪结果可视化表4.3实验对比结果MOTAMOTPMTMLFPFNIDSwFragHzLMP[77]35.572.517.5%42.5%6654662454815950.3文献[78]33.462.418.2%45.8%75825864232013511.5Ours36.570.820.1%43.6%62566312530810631.24.4本章小结本章针对多目标跟踪问题中目标遮挡和快速运动的挑战因素，提出一种基于马尔科夫决策过程的多目标跟踪算法。视频序列中的每一个目标都建模成具有四个子状态空间的MDP，其中四个子状态空间包含：活跃、已跟踪、丢失、不活跃状态。目标的出现-消失-出现的过程对应MDP中的状态转移过程。作为策略学习

【参考文献】：
期刊论文
[1]融合运动信息与表观信息的多目标跟踪算法[J]. 黎阳,沈烨,刘敏,戴仁月,姜晓燕.  电子科技. 2020(09)
[2]一种融合卡尔曼滤波的改进时空上下文跟踪算法[J]. 赵洲,黄攀峰,陈路.  航空学报. 2017(02)
[3]履带式拖拉机自动驾驶系统路径智能跟踪控制研究[J]. 谭德权,蒋蘋,罗亚辉,胡文武.  中国农学通报. 2016(17)
[4]加权的超像素级时空上下文目标跟踪[J]. 王淑敏,宫宁生,陈逸韬.  计算机应用研究. 2017(01)
[5]多特征自适应融合的军事伪装目标跟踪[J]. 李科,徐克虎,张波.  计算机工程与应用. 2012(34)
[6]粒子滤波算法研究进展与展望[J]. 张诗桂,朱立新,赵义正.  自动化技术与应用. 2010(06)
[7]一种改进的光流场计算方法[J]. 吴新根,罗立民.  电子学报. 2000(01)

硕士论文
[1]基于深度学习的物体检测与跟踪方法的研究[D]. 曾钰廷.东华理工大学 2018
[2]智能视频监控系统中移动目标的检测与跟踪[D]. 李斐然.成都理工大学 2018



本文编号：3296329