融合目标先验知识的目标跟踪策略研究

发布时间：2022-02-23 00:22

　　随着视频监控技术、智能驾驶、智能交通以及智慧城市等发展的需要,计算机视觉领域中的一个分支——视觉目标跟踪技术在学术界和工业界引起了强烈关注,并且吸引了大量学者和工程师们进行相关算法的研究与实现。目前,视觉目标跟踪技术已经取得了很大进步,但是在实际视觉目标跟踪过程中,当视频中的目标出现运动模糊、发生形变、被遮挡以及发生平面外旋转等复杂情况时,跟踪目标框将有远离跟踪目标的趋势。此时若没有及时进行目标跟踪预测位置的纠正,就会导致后续阶段目标跟踪失败。为了解决上述问题,本文提出一种融合目标先验知识的目标跟踪策略。主要分为以下2部分:（1）目标先验知识的获取。在视觉目标跟踪过程中,视频序列第一帧会标注本视频序列需要跟踪的目标,这时可以充分挖掘标注目标的信息,作为先验知识。（2）融合目标先验知识的视觉目标跟踪策略到现有算法。在判断出跟踪目标框开始远离跟踪的目标时,利用目标先验知识进行目标二次搜索,最终提高现有视觉目标跟踪算法的性能。本文将提出的融合目标先验知识的目标跟踪策略应用到基于压缩感知理论的CT算法、早期的相关滤波算法MOSSE以及近期的BACF算法中,通过在主流视觉目标跟踪数据集OTB20... 

【文章来源】：内蒙古大学内蒙古自治区211工程院校

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 视觉目标跟踪面临的挑战
    1.3 本文研究内容
    1.4 论文结构
第二章 视觉目标跟踪研究现状
    2.1 视觉目标跟踪基本流程
    2.2 经典的视觉目标跟踪方法
        2.2.1 生成式模型方法
        2.2.2 判别式模型方法
    2.3 近期目标跟踪方法
        2.3.1 相关滤波类算法
        2.3.2 深度学习类算法
    2.4 小结
第三章 目标先验知识
    3.1 引言
    3.2 目标先验知识的获取
        3.2.1 目标先验知识的表示
        3.2.2 目标先验知识的获取过程
        3.2.3 融合目标先验知识的目标跟踪策略
    3.3 小结
第四章 融合目标先验知识的目标跟踪算法
    4.1 引言
    4.2 改进的CT算法
    4.3 改进的MOSSE算法
    4.4 改进的BACF算法
    4.5 小结
第五章 实验及分析
    5.1 数据集与评价方法介绍
    5.2 实验环境设置
    5.3 改进的CT算法实验结果与分析
        5.3.1 定性分析
        5.3.2 定量分析
    5.4 改进的MOSSE算法实验结果与分析
        5.4.1 定性分析
        5.4.2 定量分析
    5.5 改进的BACF算法实验结果与分析
        5.5.1 定性分析
        5.5.2 定量分析
    5.6 小结
第六章 总结与展望
    6.1 全文工作总结
    6.2 未来工作展望
参考文献
致谢


【参考文献】：
期刊论文
[1]基于稀疏表示的视频目标跟踪研究综述[J]. 黄宏图,毕笃彦,侯志强,胡长城,高山,查宇飞,库涛.  自动化学报. 2018(10)
[2]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)
[3]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋.  自动化学报. 2016(10)
[4]动态背景下的稀疏光流目标提取与跟踪[J]. 兰红,周伟,齐彦丽.  中国图象图形学报. 2016(06)
[5]阿法狗围棋系统的简要分析[J]. 田渊栋.  自动化学报. 2016(05)
[6]粒子滤波理论、方法及其在多目标跟踪中的应用[J]. 李天成,范红旗,孙树栋.  自动化学报. 2015(12)
[7]基于特征在线选择的目标压缩跟踪算法[J]. 李庆武,朱国庆,周妍,霍冠英.  自动化学报. 2015(11)
[8]智能视频监控技术综述[J]. 黄凯奇,陈晓棠,康运锋,谭铁牛.  计算机学报. 2015(06)



本文编号：3640484