基于深度神经网络的鲁棒视频跟踪算法研究

发布时间：2021-08-18 10:36

　　首先,本文提出一种新的基于相关滤波以及深度孪生网络的鲁棒长程视频跟踪算法。该算法能有效对长视频中存在的目标长时间遮挡、快速运动、消失视野等挑战进行处理。当目标经历长时间遮挡又重新出现在视频中时,本文所提算法通过离线训练好的深度孪生网络,使用模板相似度匹配来进行目标的重检测,从而得到高质量的目标候选区域。为了筛选得到正确的目标区域,本文提出了一种有效的多专家评估机制,来筛选得到置信度最高的目标区域。本文所提出的长程视频跟踪算法在当前几个主流的跟踪数据集上均取得了较为优异的跟踪结果。其次,针对基于相关滤波的深度视频跟踪算法所使用的深度特征复杂度高,针对性不强等问题,本文提出了一种基于深浅层特征学习网络（Deep and Shallow feature learning Network,简称DSNet）的高效视频跟踪算法。该特征学习网络能同时编码目标浅层以及深层信息,以端到端的形式学习得到统一分辨率且低维的特征。学习得到的特征能有效应用在当前任意基于相关滤波的视频跟踪框架中,且无需进行任何在线的微调或改变。此外,基于目标区域关于背景区域在特征图上的激活比,本文提出了特征通道置信度评价方法（C... 

【文章来源】：厦门大学福建省 211工程院校 985工程院校 教育部直属院校

【文章页数】：120 页

【学位级别】：硕士

【部分图文】：

图１．１单目标视频跟踪任务示意图

图１．２?ＯＴＢ－２０１５数据集中存在的目标遮挡、消失视野、形变、光照变化、旋转以及运动??模糊等挑战举例

图１．３?ＯＴＢ－２０１５数据集中存在的目标低分辨率、背景嘈杂、尺度变化以及快速运动等挑??

【参考文献】：
期刊论文
[1]深度学习相关研究综述[J]. 张军阳,王慧丽,郭阳,扈啸.  计算机应用研究. 2018(07)
[2]深度学习应用技术研究[J]. 毛勇华,桂小林,李前,贺兴时.  计算机应用研究. 2016(11)
[3]深度学习研究综述[J]. 尹宝才,王文通,王立春.  北京工业大学学报. 2015(01)
[4]目标跟踪技术综述[J]. 高文,朱明,贺柏根,吴笑天.  中国光学. 2014(03)



本文编号：3349730