基于深度学习与相关滤波的目标跟踪算法研究
发布时间：2021-05-10 21:16
目标跟踪一直都是计算机视觉中重要的研究方向之一,因其不仅可以提供目标的运动状态,还可以为场景理解等高层次视觉分析提供重要数据。目前,已在人机交互、智能视频监控、公共安全等诸多领域广泛应用。所谓目标跟踪是指在一个图像或者视频序列中选择感兴趣的目标,在接下来的连续帧中,找到该目标的位置并形成运动轨迹。尽管随着深度学习的日益发展,目标跟踪算法取得了诸多研究成果,但是由于受到复杂的光照变化、背景中相似物体的干扰和摄像机的抖动等复杂因素的影响,使得目标表观模型动态变化,研究能够有效适应复杂场景动态变化的目标跟踪算法仍然是一项极具挑战性的任务。论文在认真分析总结现有典型目标跟踪算法的基础上,得出现有目标跟踪算法通常分为2类:（1）基于相关滤波的目标跟踪算法;（2）基于深度学习的目标跟踪算法。基于相关滤波的跟踪算法在计算效率与竞争效果上优势显著,但有两个主要的缺点:（1）手动抽取特征无法捕捉目标的语义信息;（2）缺乏训练数据。为了克服CF（Correlation Filter,CF）手动抽取特征性能的不足,将深度卷积特征引入CF,成功的优化了此种缺陷。尽管基于卷积神经网络（Convolution N...
【文章来源】：安徽理工大学安徽省
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.2 目标跟踪的应用
1.3 国内外研究现状
1.3.1 单目标跟踪算法
1.3.2 多目标跟踪
1.4 挑战因素
1.5 本文主要内容和组织结构
2 相关基础理论
2.1 相关滤波跟踪算法理论
2.1.1 深度学习算法理论
2.1.2 快速傅里叶变换和循环卷积定理
2.1.3 相关滤波跟踪算法及发展方向
2.2 深度学习算法理论
2.2.1 深度学习介绍
2.2.2 基于深度学习的单目标跟踪算法及发展方向
2.2.2.1 栈式自编码器特征
2.2.2.2 深度卷积特征
2.3 常用的跟踪数据库
2.3.1 OTB数据库
2.3.2 VOT数据库
2.4 本章小结
3 目标跟踪算法的对比研究
3.1 KCF跟踪算法
3.1.1 样本集合训练
3.1.2 训练分类器
3.1.3 快速检测
3.1.4 外观模型更新
3.2 SiamFC
3.3 FFTNet
3.4 仿真实验与结果分析
3.5 本章小结
4 基于深度学习与相关滤波的目标跟踪算法
4.1 算法介绍
4.1.1 全卷积对称网络
4.1.2 跟踪算法
4.1.3 相关滤波网络
4.1.4 相关滤波器
4.1.4.1 核线性回归
4.1.4.2 单通道CF
4.1.4.3 多通道CF
4.2 仿真实验分析
4.2.1 评价标准
4.2.2 与SiamFC比较
4.2.3 与其他方法的比较
4.3 本章小结
5 总结与展望
5.1 研究内容总结
5.2 研究内容展望
参考文献
致谢
作者简介及读研期间主要科研成果
【参考文献】：
期刊论文
[1]自适应特征融合的核相关滤波跟踪算法[J]. 熊昌镇,赵璐璐,郭芬红. 计算机辅助设计与图形学学报. 2017(06)
[2]基于深度学习的目标跟踪方法研究现状与展望[J]. 罗海波,许凌云,惠斌,常铮. 红外与激光工程. 2017(05)
[3]尺度自适应的核相关滤波跟踪器[J]. 李麒骥,李磊民,黄玉清. 计算机应用. 2016(12)
[4]采用核相关滤波器的自适应尺度目标跟踪[J]. 张雷,王延杰,孙宏海,姚志军,吴培. 光学精密工程. 2016(02)
[5]一种易于初始化的类卷积神经网络视觉跟踪算法[J]. 李寰宇,毕笃彦,查宇飞,杨源. 电子与信息学报. 2016(01)
[6]基于相关滤波的尺度自适应目标跟踪[J]. 徐玉龙,王家宝,李阳,李航,张耿宁,张亚非. 计算机应用研究. 2016(11)
[7]改进的核相关滤波器目标跟踪算法[J]. 余礼杨,范春晓,明悦. 计算机应用. 2015(12)
[8]基于深度特征表达与学习的视觉跟踪算法研究[J]. 李寰宇,毕笃彦,杨源,查宇飞,覃兵,张立朝. 电子与信息学报. 2015(09)
[9]The present status and prospects in the research of orbital dynamics and control near small celestial bodies[J]. Pingyuan Cui,Dong Qiao. Theoretical & Applied Mechanics Letters. 2014(01)
[10]纹理滤波器在分割肛管外病症图像中的应用[J]. 江南春,张华,刘苏宜. 微型机与应用. 2011(04)
硕士论文
[1]基于深度学习的目标跟踪算法研究[D]. 李蓝星.哈尔滨工业大学 2018
本文编号：3180073
【文章来源】：安徽理工大学安徽省
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景和意义
1.2 目标跟踪的应用
1.3 国内外研究现状
1.3.1 单目标跟踪算法
1.3.2 多目标跟踪
1.4 挑战因素
1.5 本文主要内容和组织结构
2 相关基础理论
2.1 相关滤波跟踪算法理论
2.1.1 深度学习算法理论
2.1.2 快速傅里叶变换和循环卷积定理
2.1.3 相关滤波跟踪算法及发展方向
2.2 深度学习算法理论
2.2.1 深度学习介绍
2.2.2 基于深度学习的单目标跟踪算法及发展方向
2.2.2.1 栈式自编码器特征
2.2.2.2 深度卷积特征
2.3 常用的跟踪数据库
2.3.1 OTB数据库
2.3.2 VOT数据库
2.4 本章小结
3 目标跟踪算法的对比研究
3.1 KCF跟踪算法
3.1.1 样本集合训练
3.1.2 训练分类器
3.1.3 快速检测
3.1.4 外观模型更新
3.2 SiamFC
3.3 FFTNet
3.4 仿真实验与结果分析
3.5 本章小结
4 基于深度学习与相关滤波的目标跟踪算法
4.1 算法介绍
4.1.1 全卷积对称网络
4.1.2 跟踪算法
4.1.3 相关滤波网络
4.1.4 相关滤波器
4.1.4.1 核线性回归
4.1.4.2 单通道CF
4.1.4.3 多通道CF
4.2 仿真实验分析
4.2.1 评价标准
4.2.2 与SiamFC比较
4.2.3 与其他方法的比较
4.3 本章小结
5 总结与展望
5.1 研究内容总结
5.2 研究内容展望
参考文献
致谢
作者简介及读研期间主要科研成果
【参考文献】：
期刊论文
[1]自适应特征融合的核相关滤波跟踪算法[J]. 熊昌镇,赵璐璐,郭芬红. 计算机辅助设计与图形学学报. 2017(06)
[2]基于深度学习的目标跟踪方法研究现状与展望[J]. 罗海波,许凌云,惠斌,常铮. 红外与激光工程. 2017(05)
[3]尺度自适应的核相关滤波跟踪器[J]. 李麒骥,李磊民,黄玉清. 计算机应用. 2016(12)
[4]采用核相关滤波器的自适应尺度目标跟踪[J]. 张雷,王延杰,孙宏海,姚志军,吴培. 光学精密工程. 2016(02)
[5]一种易于初始化的类卷积神经网络视觉跟踪算法[J]. 李寰宇,毕笃彦,查宇飞,杨源. 电子与信息学报. 2016(01)
[6]基于相关滤波的尺度自适应目标跟踪[J]. 徐玉龙,王家宝,李阳,李航,张耿宁,张亚非. 计算机应用研究. 2016(11)
[7]改进的核相关滤波器目标跟踪算法[J]. 余礼杨,范春晓,明悦. 计算机应用. 2015(12)
[8]基于深度特征表达与学习的视觉跟踪算法研究[J]. 李寰宇,毕笃彦,杨源,查宇飞,覃兵,张立朝. 电子与信息学报. 2015(09)
[9]The present status and prospects in the research of orbital dynamics and control near small celestial bodies[J]. Pingyuan Cui,Dong Qiao. Theoretical & Applied Mechanics Letters. 2014(01)
[10]纹理滤波器在分割肛管外病症图像中的应用[J]. 江南春,张华,刘苏宜. 微型机与应用. 2011(04)
硕士论文
[1]基于深度学习的目标跟踪算法研究[D]. 李蓝星.哈尔滨工业大学 2018
本文编号：3180073
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3180073.html
