多特征融合与自适应尺度的运动目标跟踪方法

发布时间：2023-04-22 23:26

　　目标跟踪是计算机视觉领域一个备受关注的研究热点。目前因为相关滤波器算法的显著效果,许多学者将相关滤波器引入到目标跟踪框架中并取得较多成果,但与此同时,目标跟踪领域依然存在很多问题,比如遮挡问题、目标尺度变化以及背景信息干扰等,上述因素都会影响目标跟踪效果。为了提高目标跟踪鲁棒性,本文对跟踪中三方面问题做了研究分析:特征选择、滤波器模板更新以及目标尺度变化。主要研究内容如下:(1)提出自适应选择特征的策略。分别提取目标的方向梯度特征和颜色特征,并训练各自滤波器模型,然后在检测阶段计算不同特征响应图的峰值旁瓣比,对两种特征进行自适应加权融合,在跟踪过程中发生遮挡时这种方法效果较好。(2)提出对滤波器模板选择性更新的策略。首先设定一个阈值,然后据此判断目标是否发生遮挡,如果发生遮挡则滤波器模型不变,否则需要更新模型,这种方法提高了滤波器模板的有效性。(3)引入尺度估计方法,对目标进行实时更新尺度策略。首先在目标四周采集多尺度样本,用于训练滤波器,然后得到最大响应值,即能得到最适合的目标尺度。这种方法自适应的改变目标跟踪框尺度大小,提高了跟踪精确度。(4)根据以上的研究提出了基于多特征融合自适...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 目标跟踪算法研究背景及意义
    1.2 目前研究现状
    1.3 目标跟踪技术研究难点
    1.4 本文的主要研究内容及安排
第二章 目标跟踪算法综述
    2.1 目标跟踪算法基本理论
        2.1.1 目标跟踪算法分类
        2.1.2 目标跟踪算法基本流程
    2.2 经典目标跟踪算法
    2.3 OTB数据集
    2.4 目标跟踪算法的评价标准
    2.5 本章小结
第三章 相关滤波器的目标跟踪方法具体介绍
    3.1 相关滤波器
    3.2 经典的相关滤波器
    3.3 相关滤波目标跟踪框架
    3.4 本章小结
第四章 基于多特征融合的运动目标跟踪方法
    4.1 特征选择和提取
        4.1.1 颜色特征基本概念
        4.1.2 低维自适应颜色特征属性
        4.1.3 方向梯度特征属性
    4.2 自适应颜色特征与方向梯度特征相融合
        4.2.1 传统的特征融合方法
        4.2.2 决策层特征融合方法
    4.3 基于多特征融合的运动目标跟踪方法
        4.3.1 位置检测
        4.3.2 滤波器模型更新
    4.4 整体算法流程
    4.5 实验结果分析
        4.5.1 定性分析
        4.5.2 定量分析
    4.6 本章小结
第五章 多特征融合与自适应尺度的运动目标跟踪方法
    5.1 尺度空间理论
    5.2 自适应尺度更新
    5.3 整体算法流程
    5.4 多尺度估计的意义
    5.5 实验结果与分析
        5.5.1 定性分析
        5.5.2 定量分析
    5.6 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录 (攻读学位期间发表著作和科研情况)



本文编号：3798616