基于目标表征学习和更新建模的视频跟踪技术研究

发布时间：2020-04-11 14:18

【摘要】：目标跟踪是计算机视觉中的一项基本任务,旨在获取视频序列中特定目标的状态,包括位置、大小等信息。它有许多潜在的应用,例如在自动驾驶中实时感知周围的物体、监控视频分析中自动追踪可疑的目标及视频编辑中辅助提取感兴趣的区域。经过数十年的研究,目标跟踪领域取得了一些成功。但是,在处理复杂的测试视频时,跟踪算法的表现往往并不尽如人意。比如当目标形变比较大时,跟踪算法返回的边界框与目标实际的形状相比相差比较大。此外,在测试序列较长时,跟踪算法往往由于持续地进行模型更新使模型降质进而导致跟踪失败。这两个问题,即目标表示不精确及模型非最优更新,会严重影响跟踪算法的性能,因此本文主要围绕这两个问题展开研究工作并提出一些解决方案。针对目标表示不精确的问题,本文提出使用二值掩模作为网络的输出,并在其上估计一个多自由度的矩形框作为相对精确的跟踪结果。在生成用以微调网络参数的训练样本时,本文使用Crop and Paste数据增强方法来尽可能地利用背景信息、添加一个随机值到训练样本的亮度分量里来模拟光照变化、以及利用高斯滤波的方式来模拟模糊情形。在估计矩形框时,本文提出了一种利用视频帧之间时间相关性的目标边界框估计方法。该方法估计的边界框含有五个自由参数,比之前跟踪方法中估计的矩形框多两个自由参数,因此本文中的矩形框对目标的表示更为精确。实验表明本文的方法在实时性方法中达到了最好的性能。针对模型非最优更新的问题,本文提出了一个一定程度上进行最优模型更新的最小化目标式。在该目标式中,存在着两项挑战。其一是新生成的目标模型不可靠。为了解决这个问题,式中使用一个惩罚项来限制学习到的目标模型到历史最近的模型之间的距离。其二是随着跟踪的持续进行,目标模型可能会发生降质。为了应对这个难题,式中使用了一个重初始化项。此外,为了控制变换矩阵的复杂度,目标式中还加入了正则化项。该最小化目标式的解,在一些简化的情况下,会退化到指数滑动平均(EMA)。这表明本文的方法可以视作EMA的一种扩展。最后,在一些常用数据集上的实验验证了本文提出的模型更新方法在相对长时情景下的有效性。总结而言,本文提出使用掩模表示网络的输出,并基于该输出估计一个多自由度的矩形框来改善之前跟踪方法中目标表示不精确的问题。除此之外,本文还提出了一个正则化和重初始化的最小化目标式来解决长时情景中模型非最优更新的问题。
【图文】：

目标表示,示例,问题,宽高比

虽然经过学术界与工业界的共同努力，目标跟踪领域取得了一些成功，但是逡逑它仍面临着一些挑战。其一是视频序列中的目标外形复杂多变，固定宽高比及逡逑旋转角度的矩形框不能较好地包裹住目标，如图１．１所示。测试视频序列中的目逡逑标，，随着时间的流逝，它的宽高比及在平面内的旋转角度会发生变化。此时若估逡逑计的矩形框一味地沿用初始帧中目标的宽高比及平面内旋转角度，则它将不能逡逑很好地分界目标与非目标区域，即在包裹尽可能多的前景像素的同时包裹尽可逡逑能少的背景像素。然而，现在多数的跟踪方法往往采用了上述做法，即沿用初始逡逑帧中目标的宽高比及旋转角度。这导致这些跟踪方法估计的矩形框很不精确。逡逑其二是长时情景中的模型非最优更新问题。长时跟踪情景中，因为目标的外逡逑观会逐渐变化，所以进行模型更新是必要的。但是，若随着跟踪的进行持续地更逡逑新模型，模型会由于一些严重的污染例如模糊和遮挡等或者小的错误累积而退逡逑化降质。目标模型退化降质以后

宽高比,目标矩形,分割模型,目标跟踪

要一个叫做矩形框估计器１４８１的额外模块。后者则需要一组启发式的阈值。为了逡逑简化，这些工作都假定目标矩形框的宽高比和旋转角度不变。然而，这种假定在逡逑多数实际的测试视频中是不合理的，参见图２．１。逡逑为了解决上述局限，本文提出使用掩模作为ＣＮＮ的输出表示。为了这个目逡逑标，本文直接使用一个主流的语义分割模型ＤｅｅｐＬａｂｌＷ作为基础模型，并通过逡逑在线学习的方式将之迁移到目标跟踪任务上。在监督网络训练的时候，经典的逡逑语义分割模型需要逐像素的标签，然而这种精细的信息在目标跟踪任务标准的逡逑设置中是得不到的。在标准的设置中，所能得到的信息就仅仅只有视频初始帧逡逑中给定的目标矩形框１１］。为了得到逐像素的标签，之前传统的追求像素级跟踪结逡逑果的方法或者依靠一个外部算法［７１］，例如或者需要一个被阈值化逡逑的由他们的概率模型生成的置信图［７２］。但是
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18

【相似文献】