融合视觉记忆机制的目标跟踪策略研究

发布时间：2021-08-28 21:40

　　随着计算机视觉和人工智能的快速发展,人们的生活方式和居住的城市变得越来越智能化。近年来,随着智能视频监控技术在各种各样的城市智能服务中的广泛应用,视觉目标跟踪越来越受到人们的关注。然而,在实际应用中目标跟踪算法仍然面临着各种各样的挑战。其中主要问题在于在实际应用中需要面对很多复杂的场景,例如目标遮挡,光照变化,快速运动,自身的姿态变化等。除此之外,实际应用对跟踪算法实时性的要求也成为了现在需要解决的一个难题。因此,如何应对上述的挑战,成为了视觉目标跟踪中的重要研究课题。当前的目标跟踪算法在性能方面仍与人类视觉系统有一定的差距。因此本文通过研究人类视觉系统的工作机理与机制,提出了视觉记忆机制跟踪策略并将其引入目标跟踪算法中去改进它们在遮挡、光照变化等复杂场景下的性能。本文主要研究内容如下:（1）通过模拟人类视觉的目标跟踪过程以及分析人类视觉在应对各种复杂场景下目标跟踪的工作机理,提出了视觉记忆机制的相关概念并且构建了视觉记忆机制模型。（2）在视觉记忆机制模型的基础上,将人类视觉记忆机制融合到视觉目标跟踪算法中,构建了基于视觉记忆机制的目标跟踪算法框架。并选取相关滤波与Tracking-b... 

【文章来源】：内蒙古大学内蒙古自治区 211工程院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

视觉跟踪算法主要流程

融合视觉记忆机制的目标跟踪策略研究机器学习方法，主要有逻辑回归（Logistic Regression），支持向量机（SVM）以及结构化输出支持向量机（Structured Output SVM）等。（4）模型更新。用来控制对目标的新信息学习的程度，主要涉及特征提取和分类两个部分。（5）集成化处理。使用若干个模型进行目标跟踪，并对最后的跟踪结果进行集成处理从而得到最终的结果。这样做可以充分利用每个模型的特点，使得跟踪结果更加准确，但是算法的跟踪速度一大挑战。

融合视觉记忆机制的目标跟踪策略研究弦窗口来图像边缘的像素趋于 0，达到平滑的目的。虽然加余弦窗可以提高合理样本的数量，但是其将样本边缘的特征信息趋于 0，使得可以提高分类器判别能力的背景特征遭到破坏，原本可以利用的背景特征就不是很多，其还被余弦窗给筛选掉了，从而极大的削减了滤波器的跟踪性能。检测过程中，跟踪目标如果运动到了检测区域的边缘周围还没有超出检测区域，使用余弦窗会使目标的部分特征信息会被平滑掉，此时滤波器就不能很好的定位目标的位置，而且，此时的候选样本和训练时的循环位移产生的虚拟样本具有很高的相似度，所以很可能会丢失目标。跟踪目标的一部分如果已经超出了检测区域，在此基础上再加上余弦窗，仅有的目标特征信息将会被平滑掉，从而造成目标丢失。以上就是相关滤波算法的边界效应问题，边界效应使得其对于快速运动的目标显得无能为力。


本文编号：3369296