基于特征融合与多分类器并行的变尺度跟踪算法研究

发布时间：2020-10-25 22:10

　　 视觉目标跟踪是计算机视觉中的重要应用之一,被广泛应用于行为分析、智能视频监测、人机交互等领域。但实际场景中存在的光照变化、遮挡、背景混乱等难点,都会对算法效果产生不利影响。因此研究一种鲁棒的、高实时性、高精度的跟踪算法,具有非常重要的意义。本文以核相关滤波为基础,在基于多分类器并行跟踪的框架下,提出一种基于特征融合和多分类器并行的变尺度跟踪算法,主要工作如下:(1)提出一种基于特征融合与多分类器并行的跟踪算法。首先采用多特征融合与级联迭代训练模型相结合的方法,提升分类器的表达能力。然后根据初始化图像帧中目标的纵横比,自适应的调整初始化窗口的尺度。最后,采用多分类器独立并行的方法,进一步提升算法对动态背景干扰的鲁棒性。(2)为了减少伪目标信息融入分类器,提出一种保守的自适应学习率的更新策略。在设置阈值实现保守更新的基础上,根据当前帧中分类器响应自适应调整学习率,从而调整该帧特征信息在分类器中所占权重,极大程度的减少伪目标信息融入分类器。(3)针对不能对目标尺度精确估计的问题,提出一种变尺度的跟踪策略。首先在位置估计的基础上融入尺度估计方法。然后提出只用初始化帧中的目标尺度更新位置分类器的策略,消除传统算法中尺度估计不精确造成的位置分类器性能退化问题。(4)为了提升算法对长时遮挡或严重形变等状况的鲁棒性,提出一种长时跟踪机制。设计将长时滤波器与在线SVM检测器相结合的重检测模块,以实现鲁棒的、长时的跟踪效果。最后,分别对位置估计、尺度估计以及长时模块在测试集OTB2015及MEEM上进行实验测试,验证算法对动态背景的干扰、目标严重形变及长时遮挡等状况的鲁棒性。实验结果表明,本文算法的跟踪结果在中心位置误差、精度以及成功率指标上均得到了很大程度上的提升。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP181
【部分图文】：

（a）军事国防 （b）智能视频监测（c）无人驾驶 （d）人机交互图1.1 视觉目标跟踪的不同应用场景（1）国防安全[1]。在新时代背景下的国防安全建设中，空天一体、精确打击及无人作战是信息化现代战争的主要作战方式。精确制导武器、作战机器人、无人机无人车和雷达探测是打赢现代化战争中必不可少的条件，而视觉目标跟踪技术给以上武器装备的发展提供核心的技术支撑。（2）智能监控[2]。随着国家“智慧城市”工程建设的试点推行，智能监控成为公共安防的热门领域。目前，我国已经实现了在人员流动较大的重点区域全方位监控覆盖，如在火车站春节期间，增设人脸识别系统，通过车票、身份证、人脸三个信息

光照强度变化测试结果图（Singer2）

旋转和形变测试结果图（Gym）
【相似文献】

相关期刊论文 前10条

1 李敏;李华;程茂华;;一种自适应子融合集成多分类器方法[J];计算机测量与控制;2019年04期

2 张林;韩美林;杨琳;王洋;;基于多分类器融合的近红外光谱技术鉴别蜂蜜品种[J];化学分析计量;2019年03期

3 黎平;刘萍;张巡;范郁锋;;基于分类器的身份证号码识别研究[J];贵州科学;2018年01期

4 王忠民;王科;贺炎;;一种基于多分类器融合的人体运动行为识别模型[J];计算机科学;2016年12期

5 邹洪侠;陶硕;;一种代价敏感的三类分类器评估方法的研究与应用[J];通化师范学院学报;2017年08期

6 牛明昂;王强;崔希民;赵康年;柴鹏辉;;多分类器融合与单分类器影像分类比较研究[J];矿山测量;2016年04期

7 赵艺淞;王保云;黎晓路;王婷;;基于多分类器组合的城市不透水面提取研究[J];城市地理;2017年04期

8 何舒炜;;《垃圾分类器》[J];辅导员;2016年11期

9 李健苹;游中胜;;一种新的多分类器融合方法[J];西南师范大学学报(自然科学版);2014年01期

10 兰远东;曾树洪;;动态加权投票的多分类器聚合[J];现代计算机(专业版);2014年05期

相关博士学位论文 前10条

1 孙宸;PolSAR图像大间隔学习分类器设计及应用[D];西安电子科技大学;2017年

2 于爱华;基于压缩感知人脸识别技术的研究[D];浙江工业大学;2017年

3 雷浩川;多分类器集成的遥感影像分类研究[D];中国地质大学(北京);2018年

4 冯晓东;基于软概率的分类器动态集成方法研究[D];重庆大学;2018年

5 陈木生;基于欠采样和不平衡集成分类的垃圾网页检测研究[D];南昌大学;2018年

6 陈海霞;面向数据挖掘的分类器集成研究[D];吉林大学;2006年

7 王卫东;高维小样本数据的特征提取及分类器算法研究[D];南京理工大学;2007年

8 刘杰;乘员类型的自动识别及其在智能乘员约束系统中的应用[D];吉林大学;2007年

9 吴尉林;可移植的稳健口语理解方法研究[D];上海交通大学;2007年

10 章军;小生境粒子群优化算法及其在多分类器集成中的应用研究[D];中国科学技术大学;2007年

相关硕士学位论文 前10条

1 石超然;基于可信度的部分反馈条件下的在线多级分类器的研究[D];上海交通大学;2017年

2 薛原;基于HOG特征和多分类器集成学习方法对行人检测的研究[D];大连理工大学;2019年

3 于晨;软件监控系统技术研究[D];上海交通大学;2016年

4 田茂青;多标签特征选择及分类器链算法的研究[D];山东科技大学;2018年

5 黄芳;基于混合分类器的增强子预测[D];上海交通大学;2016年

6 方晔玮;基于组分特征的tracrRNA识别和预测[D];电子科技大学;2019年

7 李蓉;基于SVM矿井环境无线多模信号的检测识别[D];西安科技大学;2019年

8 胡燕;基于分类器融合的SAR图像目标识别[D];上海交通大学;2016年

9 文金;基于电子产品领域商品评论的情感分析方法研究和实现[D];北京交通大学;2019年

10 李存存;面向多标记分类的主动学习算法研究[D];北京交通大学;2019年

本文编号：2856029