自适应特征融合的目标跟踪研究

发布时间：2022-12-17 13:29

　　目标跟踪是计算机视觉中的关键问题,传统相关滤波的跟踪算法对于目标发生遮挡和尺度快速变化时跟踪精准度较差,而结合深度学习的相关滤波跟踪算法训练时间较长,无法实时地对目标进行跟踪。针对以上问题,提出一种自适应特征融合的目标跟踪算法。首先,通过提取目标的两种基础特征,采用不同的权重进行融合,旨在得到具有特征表达偏向不同的初步融合特征;判断初步融合特征的可信度,选择可信度较高的融合特征进行二次自适应融合,自适应融合权重根据初步融合特征的可信度数值确定;使用可信度策略在二次融合得到的特征中,选择最优特征作为当前帧目标的跟踪特征,估计出目标的候选位置。其次,对候选位置的响应程度进行遮挡判定,若判定结果高于预设的重检测阈值,表明估计出的候选位置可靠程度较低,启动遮挡重检测机制,重新对目标的位置进行定位;反之则说明候选位置可靠程度较高,该位置即为目标位置,并作为目标跟踪位置输出。最后,针对长时间跟踪过程中会产生误差积累导致模型跟踪效果变差的问题,预设更新阈值对模型进行自适应更新,保持模型对目标描述的准确性。在对该算法进行跟踪效果验证时,采用国际通用的标准数据库中的视频序列与当前主流的算法进行对比实验。... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景
    1.2 国内外研究现状和分析
    1.3 论文研究内容及意义
    1.4 论文结构安排
2 相关滤波跟踪理论基础
    2.1 目标跟踪基础
    2.2 相关滤波跟踪
    2.3 本章小结
3 自适应特征融合的目标跟踪
    3.1 建立目标模型
    3.2 自适应特征融合跟踪
    3.3 跟踪器流程设计
    3.4 本章总结
4 实验结果与分析
    4.1 实验数据集与评价标准
    4.2 实验平台与参数设置
    4.3 实验结果对比分析
    4.4 本章小结
5 结论与展望
参考文献
作者简历
学位论文数据集


【参考文献】：
期刊论文
[1]非奇异快速终端滑模及动态面控制的轨迹跟踪制导律[J]. 陈琦,王旭刚.  国防科技大学学报. 2020(01)
[2]深度学习的目标跟踪算法综述[J]. 李玺,查宇飞,张天柱,崔振,左旺孟,侯志强,卢湖川,王菡子.  中国图象图形学报. 2019(12)
[3]基于跑滑系统约束的航空器滑行跟踪算法[J]. 潘卫军,罗杰,王少杰,熊锋.  四川大学学报(自然科学版). 2019(05)
[4]多用户眼动跟踪数据的可视化共享与协同交互[J]. 程时伟,沈哓权,孙凌云,胡屹凛.  软件学报. 2019(10)
[5]目标跟踪算法综述[J]. 孟琭,杨旭.  自动化学报. 2019(07)
[6]前景约束下的抗干扰匹配目标跟踪方法[J]. 刘大千,刘万军,费博雯,曲海成.  自动化学报. 2018(06)
[7]基于深度学习的自动驾驶技术综述[J]. 张新钰,高洪波,赵建辉,周沫.  清华大学学报(自然科学版). 2018(04)
[8]无人机视觉导航着陆地标实时检测跟踪方法[J]. 李靖,马晓东,陈怀民,段晓军,张彦龙.  西北工业大学学报. 2018(02)
[9]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋.  模式识别与人工智能. 2018(01)
[10]图像纹理分类方法研究进展和展望[J]. 刘丽,赵凌君,郭承玉,王亮,汤俊.  自动化学报. 2018(04)



本文编号：3720014