基于语义监督模板的鲁棒视觉目标跟踪算法研究

发布时间：2021-08-31 06:11

　　视觉目标跟踪作为计算机视觉领域最基本的任务之一,对于视频图像智能化分析具有非常重要的意义,在视频监控、无人驾驶和人机交互等诸多应用场景有着广阔的前景和需求。视觉目标跟踪是一个在图像序列或视频中对某个指定的目标进行精确定位的过程,期间面临光照变化、遮挡、形变和背景杂斑等多种困难,是一个极具挑战性的任务。本文基于显著性检测和相似性度量提出了一个针对视觉目标跟踪任务的统一模型。在该模型下,设计两种增强的目标模板来学习更鲁棒的目标表征,解决目标在跟踪过程中面临的各种困难,最后实现更精确的跟踪。本文的主要贡献为:1、基于显著性检测和相似性度量,提出一个针对视觉目标跟踪任务的统一模型。利用孪生网络设计两种增强的目标模板,实现更鲁棒的目标特征表达。其一是上下文感知模板,将前景和背景看作一个整体,从更多上下文信息中学习显著性特征,其二是语义监督模板,通过语义监督学习得到仅关注目标的增强模板,然后有效结合前景和背景的整体模板,实现了更鲁棒的目标表征。基于上述增强提出的两个跟踪器在OTB数据集上均初步获得了1.5%以上的性能提升。2、针对基于语义监督模板的跟踪算法,提出模板匹配响应自适应融合的机制,有效地... 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

本文主要研究内容之间的联系

应度量方法可以通过学习实现更高效看，显著视觉相似性度量的核心问题模型 和距离度量方式 D三者有效地够发挥较好的作用。模板匹配跟踪算法最高的算法是基于显著视觉相似性度帧的数据构建目标的表达模板，然后相关性，选择相关性最高的位置作为如图 2-1 所示， patch1 和 patch 2为两的特征，将两个特征输入到决策网络出值越高，说明相似度越大，反之越

华 中 科 技 大 学 硕 士 学 位 论 文简单模型将物体的特征学习和度量学习统一到了一个模型框架显著视觉相似性度量。用公式描述为：s ( patch1,patch2) d(f(patch1),f(patch2))， f 表示底层特征表达函数，d 表示相似性度量方法，整个网络较的物体的原始图像，网络的输出为两个物体的相似度数值，似性度量问题中被广泛使用。比如在经典的视觉目标跟踪任务占据重要地位，成为当前目标跟踪方向上的一片绿洲。于孪生网络的模板匹配跟踪框架深度学习的孪生网络结构最初被 Bertinetto[61]使用在跟踪任务上踪算法，整体跟踪框架如图 2-2 所示：


本文编号：3374359