基于三分支神经网络的单目标追踪算法研究

发布时间：2020-12-31 19:20

　　视觉目标追踪是计算机视觉领域的研究热点之一,在无人驾驶,智能安防、人机交互和信息侦查等领域都有十分重要的应用价值。由于真实环境中目标的表观信息和环境背景都具有复杂性和不确定性,使得单目标追踪任务仍存在遮挡、运动模糊和背景混淆等难点。近几年,机器学习技术经常被用于计算机视觉,因为它们有能力利用训练数据来提高性能。不幸的是,大部分的追踪算法没有从海量的离线训练视频数据中受益,而且没有充分利用到图片的背景信息,存在着鲁棒性差、计算速度慢等问题。为了充分利用海量的视频数据和图片的背景信息,本文将单目标追踪模型转化为相似性度量学习模型,并使用三分支神经网络实现相似性度量学习模型。在训练阶段,该模型学习视频序列中目标与目标之间的相似性度量、背景与背景之间的相似性度量和目标与背景之间的空间上下文关系。在测试阶段,该模型利用目标与目标之间、背景与背景之间和背景与目标之间的匹配关系,在知道目标在前一帧中的位置、尺寸信息,目标背景之间的上下文关系的前提下,准确预测目标在当前帧中的精确位置和尺寸。如此回环往复,实时预测目标的位置和尺寸信息,以达到追踪的目的。为了增强目标和背景表观模型的鲁棒性及可区分性,本文... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

视觉单目标追踪基本框架

解决单目标追踪任务的Siamese网络的结构通常由三部分组成，如图2-4所示第一部分为特征提取模块，该部分接收两张图像作为输入X，通过学习一系列的卷积核构成特征提取函数φ，得到具有鲁棒性好、区分性强的特征表F。第二部分为特征比较模块，该部分接收第一模块的输出作为输出，学习一个非线性度量函数ψ。对于每一个候选图像，通过比较其特征表示和目标图像特征表示，衡量两者之间的相似度，最后将与目标图像最相似的候选图像的位置和尺寸作为输出P。第三部分为误差计算模块，该部分接受第二模块的输出P和标- 16 -

准确预测目标在未来的视频序列中的位置和尺寸。本小节将详细介绍本文使用的三分支网络的组成结构。本文提出了基于三分支网络的目标追踪模型，如图3-1所示。该网络包含有三个分支，分别是搜索区域分支、背景分支和目标分支，每个分支的对应输入分别是搜索区域图片PS、背景区域图片PB和目标区域图片PT，三者独立地传递到三个分支网络φS、φB、和φT。使用分支网络φS和φT的输出作为输入学习目标相似性度量函数 1，该函数比较目标φT和搜索区域φS的每一个窗口，与目标φT相似度较大窗口将被赋予较大的分数，与目标φT相似度较小的窗口将被赋予较小的分数。搜索最大的得分窗口，并将其作为所预测的目标位置。此时只得到了目标的位置，并未得到目标的尺寸。分支网络φS和φB的输出作为输入学习背景相似性度量函数 2，该函数匹配搜索区域和背景区域

【参考文献】：
博士论文
[1]视觉目标跟踪中表观建模方法研究[D]. 赵海楠.哈尔滨工业大学 2016



本文编号：2950168