复杂场景下的视频目标跟踪算法研究
发布时间：2021-10-13 10:51
目标跟踪作为计算机视觉领域的一个基础问题在近十年来已经取得了广泛关注,目前在视频监控、人机交互等许多领域都有着大量应用。它的核心问题就是在给定第一帧目标对象的边界框后,在后续帧的未知状态下估计出目标的位置以及尺度,从而实现目标跟踪的过程。然而在现实的复杂场景中,由于存在着许多无法估量的干扰因素,比如摄像机抖动、出视野、严重遮挡、形变、快速运动等内部或外部干扰。因此,要设计出一种精确、鲁棒同时又能抵挡多种干扰因素的目标跟踪算法还有很长一段道路。本文针对复杂场景下提高视频目标跟踪算法的准确性与鲁棒性问题进行了深入的研究和分析,主要研究成果如下所述:（1）针对相关滤波跟踪中目标在剧烈形变时会发生滤波模板漂移以及在复杂场景中目标跟踪鲁棒性较差的问题,提出一种融合稀疏重构图像显著性的相关滤波跟踪算法。在跟踪的过程中,通过超像素分割提取背景模板来稀疏重构目标颜色相关,构建目标颜色模型得到跟踪检测分数,将该检测分数与相关滤波检测分数进行融合,根据融合响应输出利用峰值旁瓣比调整模板更新速度解决遮挡下的更新策略问题,同时利用中心先验图对存在误差的稀疏重构图进行修正,使得该目标跟踪框架能适应形变、光照等复...
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
跟踪框架图
江南大学硕士学位论文28目标区域S，整个阴影区域表示当前帧的图像搜索区域A。AS图4-3图像搜索区域示意图图4-4空间注意示意图为了更好的构建当前帧图像搜索区域中的前景以及背景直方图，选取图4-3中黑色阴影区域表示前景区域O，黄色阴影区域表示背景区域B，由此得出图像搜索区域中的前景像素和背景像素。由于在跟踪的过程中，待跟踪物体是会发生姿态等外观变化的。若当前帧目标发生较大的变化，可能导致选取的前背景区域存在误差，造成前、背景直方图发生错误，从而影响跟踪结果。因此为了尽可能准确的学习到前、背景所需的颜色信息，又保证直方图学习到当前帧的一些变化，通过以下策略来获取当前帧的非归一化前、背景直方图：11tbtOhOhOHbNHb(4.1)11tbtBhBhBHbNHb(4.2)与文献[44]类似，本章将颜色分为32个区间，其中b表示第b个颜色区间，bON表示当前帧前景区域O中属于第b个颜色区间的前景像素的统计个数，bBN表示当前帧背景区域B中属于第b个颜色区间的背景像素的统计个数，t1OHb、t1BHb分别是前一帧的前景、背景直方图，h表示学习速率。4.4.2空间注意在图像搜索区域A中，Hb表示区域A中属于第b个颜色区间的像素统计个数，xb表示像素x所属的第b个颜色区间。那么利用贝叶斯公式可得像素x的目标似然概率：,|||xxxOBPbxOPxOPxObPbxPx(4.3)根据文献[44]，利用4.4.1节求出的前景、背景直方图对目标似然概率近似估计，则有|txOxOPbxOHbN(4.4)|txBxBPbxBHbN(4.5)OBPxNNN(4.6)其中ON表示前景区域的像素个数，BN表示背景区域的像素个数，O,B。因此式
江南大学硕士学位论文28目标区域S，整个阴影区域表示当前帧的图像搜索区域A。AS图4-3图像搜索区域示意图图4-4空间注意示意图为了更好的构建当前帧图像搜索区域中的前景以及背景直方图，选取图4-3中黑色阴影区域表示前景区域O，黄色阴影区域表示背景区域B，由此得出图像搜索区域中的前景像素和背景像素。由于在跟踪的过程中，待跟踪物体是会发生姿态等外观变化的。若当前帧目标发生较大的变化，可能导致选取的前背景区域存在误差，造成前、背景直方图发生错误，从而影响跟踪结果。因此为了尽可能准确的学习到前、背景所需的颜色信息，又保证直方图学习到当前帧的一些变化，通过以下策略来获取当前帧的非归一化前、背景直方图：11tbtOhOhOHbNHb(4.1)11tbtBhBhBHbNHb(4.2)与文献[44]类似，本章将颜色分为32个区间，其中b表示第b个颜色区间，bON表示当前帧前景区域O中属于第b个颜色区间的前景像素的统计个数，bBN表示当前帧背景区域B中属于第b个颜色区间的背景像素的统计个数，t1OHb、t1BHb分别是前一帧的前景、背景直方图，h表示学习速率。4.4.2空间注意在图像搜索区域A中，Hb表示区域A中属于第b个颜色区间的像素统计个数，xb表示像素x所属的第b个颜色区间。那么利用贝叶斯公式可得像素x的目标似然概率：,|||xxxOBPbxOPxOPxObPbxPx(4.3)根据文献[44]，利用4.4.1节求出的前景、背景直方图对目标似然概率近似估计，则有|txOxOPbxOHbN(4.4)|txBxBPbxBHbN(4.5)OBPxNNN(4.6)其中ON表示前景区域的像素个数，BN表示背景区域的像素个数，O,B。因此式
【参考文献】：
期刊论文
[1]一种基于最优状态点的无人车路径跟踪横向控制方法[J]. 王炳琪,杨明,王春香,王冰. 自动化学报. 2019(10)
[2]自适应特征融合的多尺度相关滤波目标跟踪算法[J]. 陈智,柳培忠,骆炎民,汪鸿翔,杜永兆. 计算机辅助设计与图形学学报. 2018(11)
[3]基于改进在线多示例学习算法的机器人目标跟踪[J]. 王丽佳,贾松敏,李秀智,王爽. 自动化学报. 2014(12)
[4]基于混合多目标进化算法的多无人机侦察路径规划[J]. 彭星光,高晓光,魏小丰. 系统工程与电子技术. 2010(02)
[5]一种对光照变化鲁棒的均值漂移跟踪方法[J]. 王永忠,潘泉,赵春晖,程咏梅. 电子与信息学报. 2007(10)
博士论文
[1]智能视频监控中目标的实时跟踪和视频理解的研究[D]. 张荣锋.华南理工大学 2017
本文编号：3434515
【文章来源】：江南大学江苏省 211工程院校 教育部直属院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
跟踪框架图
江南大学硕士学位论文28目标区域S，整个阴影区域表示当前帧的图像搜索区域A。AS图4-3图像搜索区域示意图图4-4空间注意示意图为了更好的构建当前帧图像搜索区域中的前景以及背景直方图，选取图4-3中黑色阴影区域表示前景区域O，黄色阴影区域表示背景区域B，由此得出图像搜索区域中的前景像素和背景像素。由于在跟踪的过程中，待跟踪物体是会发生姿态等外观变化的。若当前帧目标发生较大的变化，可能导致选取的前背景区域存在误差，造成前、背景直方图发生错误，从而影响跟踪结果。因此为了尽可能准确的学习到前、背景所需的颜色信息，又保证直方图学习到当前帧的一些变化，通过以下策略来获取当前帧的非归一化前、背景直方图：11tbtOhOhOHbNHb(4.1)11tbtBhBhBHbNHb(4.2)与文献[44]类似，本章将颜色分为32个区间，其中b表示第b个颜色区间，bON表示当前帧前景区域O中属于第b个颜色区间的前景像素的统计个数，bBN表示当前帧背景区域B中属于第b个颜色区间的背景像素的统计个数，t1OHb、t1BHb分别是前一帧的前景、背景直方图，h表示学习速率。4.4.2空间注意在图像搜索区域A中，Hb表示区域A中属于第b个颜色区间的像素统计个数，xb表示像素x所属的第b个颜色区间。那么利用贝叶斯公式可得像素x的目标似然概率：,|||xxxOBPbxOPxOPxObPbxPx(4.3)根据文献[44]，利用4.4.1节求出的前景、背景直方图对目标似然概率近似估计，则有|txOxOPbxOHbN(4.4)|txBxBPbxBHbN(4.5)OBPxNNN(4.6)其中ON表示前景区域的像素个数，BN表示背景区域的像素个数，O,B。因此式
江南大学硕士学位论文28目标区域S，整个阴影区域表示当前帧的图像搜索区域A。AS图4-3图像搜索区域示意图图4-4空间注意示意图为了更好的构建当前帧图像搜索区域中的前景以及背景直方图，选取图4-3中黑色阴影区域表示前景区域O，黄色阴影区域表示背景区域B，由此得出图像搜索区域中的前景像素和背景像素。由于在跟踪的过程中，待跟踪物体是会发生姿态等外观变化的。若当前帧目标发生较大的变化，可能导致选取的前背景区域存在误差，造成前、背景直方图发生错误，从而影响跟踪结果。因此为了尽可能准确的学习到前、背景所需的颜色信息，又保证直方图学习到当前帧的一些变化，通过以下策略来获取当前帧的非归一化前、背景直方图：11tbtOhOhOHbNHb(4.1)11tbtBhBhBHbNHb(4.2)与文献[44]类似，本章将颜色分为32个区间，其中b表示第b个颜色区间，bON表示当前帧前景区域O中属于第b个颜色区间的前景像素的统计个数，bBN表示当前帧背景区域B中属于第b个颜色区间的背景像素的统计个数，t1OHb、t1BHb分别是前一帧的前景、背景直方图，h表示学习速率。4.4.2空间注意在图像搜索区域A中，Hb表示区域A中属于第b个颜色区间的像素统计个数，xb表示像素x所属的第b个颜色区间。那么利用贝叶斯公式可得像素x的目标似然概率：,|||xxxOBPbxOPxOPxObPbxPx(4.3)根据文献[44]，利用4.4.1节求出的前景、背景直方图对目标似然概率近似估计，则有|txOxOPbxOHbN(4.4)|txBxBPbxBHbN(4.5)OBPxNNN(4.6)其中ON表示前景区域的像素个数，BN表示背景区域的像素个数，O,B。因此式
【参考文献】：
期刊论文
[1]一种基于最优状态点的无人车路径跟踪横向控制方法[J]. 王炳琪,杨明,王春香,王冰. 自动化学报. 2019(10)
[2]自适应特征融合的多尺度相关滤波目标跟踪算法[J]. 陈智,柳培忠,骆炎民,汪鸿翔,杜永兆. 计算机辅助设计与图形学学报. 2018(11)
[3]基于改进在线多示例学习算法的机器人目标跟踪[J]. 王丽佳,贾松敏,李秀智,王爽. 自动化学报. 2014(12)
[4]基于混合多目标进化算法的多无人机侦察路径规划[J]. 彭星光,高晓光,魏小丰. 系统工程与电子技术. 2010(02)
[5]一种对光照变化鲁棒的均值漂移跟踪方法[J]. 王永忠,潘泉,赵春晖,程咏梅. 电子与信息学报. 2007(10)
博士论文
[1]智能视频监控中目标的实时跟踪和视频理解的研究[D]. 张荣锋.华南理工大学 2017
本文编号：3434515
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3434515.html
最近更新
教材专著
