基于深度残差学习的视觉物体跟踪算法研究

发布时间：2021-10-30 09:24

　　视觉物体跟踪是对生物视觉系统能够追踪某一运动物体的一种模拟,是计算机视觉研究中的一个关键任务,研究的核心问题是在连续视频图像序列中精确地估计目标物体的位置和尺度等状态信息。虽然视觉物体跟踪已经取得了阶段性的研究进展,但是目前视觉物体跟踪仍然是一项具有挑战性的任务,主要是因为由遮挡、形变、突然运动、光照变化、低分辨率以及复杂背景等引起的物体外观的显著变化,视觉物体跟踪算法必须能够准确识别这些变化,并在每个视频帧的图像中精确定位目标物体。本文将围绕视觉物体跟踪任务进行分析、讨论,基于深度残差学习模型建立有效的视觉物体跟踪算法,并对所建立的视觉物体跟踪算法在公开基准测试集上进行各项性能度量和评估,本文的主要研究内容及创新总结如下:（1）基于深度时空残差学习和相关滤波器的视觉物体跟踪算法近年来,越来越多的视觉物体跟踪算法在物体表观模型中将空间特征与时序特征进行有效结合,在视频图像序列中使物体的表观模型能够适应目标物体随时间和空间变化而产生的各种变化,从而有效提升视觉物体的跟踪性能。为了能够适应物体表观的变化,本文提出一种基于深度时空残差网络结构（Spatial-Temporal Residua... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：150 页

【学位级别】：博士

【部分图文】：

MSSTResNet-TLD视觉物体

图5.3分类标

【参考文献】：
期刊论文
[1]基于差分图象的多运动目标的检测与跟踪[J]. 王栓,艾海舟,何克忠.  中国图象图形学报. 1999(06)



本文编号：3466482