当前位置:主页 > 科技论文 > 自动化论文 >

基于多层卷积特征融合的自适应目标跟踪研究

发布时间:2021-11-15 11:48
  目标跟踪是计算机视觉领域的研究热点之一。虽然针对目标跟踪问题已经提出大量理论和算法,但由于所应用的实际场景复杂多样,有效提高目标跟踪算法的鲁棒性仍是一个具有挑战性的问题。尺度相关滤波跟踪算法(Discriminative Scale Space Tracking,DSST)作为一种主流跟踪算法,得到广泛的应用。但是由于DSST采用的人工特征无法捕捉目标的语义信息,对目标的描述能力难以满足跟踪过程中复杂环境的变化,在复杂场景下容易出现目标跟踪失败的问题。本文提出利用卷积神经网络的多层卷积特征来提高DSST算法目标跟踪的鲁棒性。主要工作如下:1.研究了卷积神经网络的基础理论及基于模型VGG-19的特征提取。对基于深度模型VGG-19提取的分层特征进行了深入的分析。网络中各层特征反映的信息成分不同,低层特征图分辨率高包含更多细节信息,高层特征图分辨率低但能提取更多语义信息。通过实验分析选择最优的卷积层特征响应图进行融合,以便获得更有效的特征表达能力。2.提出一种基于多层卷积特征融合的自适应相关滤波跟踪算法。通过将尺度空间相关滤波算法与多层卷积特征相结合,基于融合多层的卷积特征估计目标位置,基... 

【文章来源】:山东科技大学山东省

【文章页数】:65 页

【学位级别】:硕士

【部分图文】:

基于多层卷积特征融合的自适应目标跟踪研究


图1.1目标跟踪应用领域??Fig.?1.1?Application?fields?of?object?tracking??

目标跟踪


?绪论??益增加,因此对目标跟踪算法的研宄具有确切的理论意义和应用价值。图1.1??为目标跟踪技术常见的应用领域。??泰墨、:,'r????(a)智能视频监控?(b)智能交通系统?(c)军事应用??r??(d)人机交互?(e)无人驾驶??图1.1目标跟踪应用领域??Fig.?1.1?Application?fields?of?object?tracking??1.2目标跟踪算法面临的挑战??目标跟踪问题经过长期以来的发展,己经涌现出大量优秀的理论和算法,??但是在实际应用中由于受到各种环境的影响,在准确性和实时性上还无法满足??实际的应用需求,有效提高目标跟踪算法的鲁棒性仍是一个具有挑战性的问题??[5]〇??目标跟踪领域面临的主要技术难点包括??(1)形态变化:由于摄像头角度变化或与目标相对运动距离发生变化时,目??标形状、外观和大小容易发生改变。对于图1.6(a)的刚性物体,目标运动过程中??出现多次旋转。对于图1.6(b)的非刚性物体,人在运动过程中产生肢体形状的改??变。另外图1.6(c)中的目标在运动过程中尺度发生显著变化

框架图,目标跟踪系统,框架


2.1目标跟踪系统框架??目标跟踪实际上就是通过分析视频序列的首帧图像信息,从而估计场景中??目标的运动轨迹。图2.1显示了一般性目标跟踪系统的流程及框架。整体上可以??分为视频输入、运动模型、特征提取、外观模型、预测状态和模型更新几个步??骤。对于输入视频序列,首先通过第一帧进行目标初始化,获取待跟踪目标的??初始状态(位置和大小),一般由矩形框进行标定。利用运动模型在目标周围??进行搜索或采样,获取目标正负样本集。目标特征提取是影响跟踪算法性能的??重要因素,通过对目标外观进行有效的编码,获取目标特征构造目标外观模型,??然后在后续帧中利用该外观模型估计目标的当前状态,并利用新的状态更新外??观模型,以适应运动过程中目标发生的外观变化。??更新??E:_?|???/-|?'??I?广????/??.4,?????/*?…'—.%'??.?一 ̄^?.—??—????/?*?—^?Sk???h?1.?/?????I??输入?运动模型?特征提取?外观模型?预测状态??图2.1目标跟踪系统框架??Fig.?2.1?The?framework?of?object?tracking?system??2.1.1运动模型??运动模型是基于上一帧的目标状态

【参考文献】:
期刊论文
[1]基于卷积特征的核相关自适应目标跟踪[J]. 王守义,周海英,杨阳.  中国图象图形学报. 2017(09)
[2]基于多层卷积特征融合的目标尺度自适应稳健跟踪[J]. 王鑫,侯志强,余旺盛,金泽芬芬,秦先祥.  光学学报. 2017(11)
[3]深度学习在视频目标跟踪中的应用进展与展望[J]. 管皓,薛向阳,安志勇.  自动化学报. 2016(06)
[4]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)
[5]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)
[6]目标跟踪技术综述[J]. 高文,朱明,贺柏根,吴笑天.  中国光学. 2014(03)
[7]局部二值模式方法研究与展望[J]. 宋克臣,颜云辉,陈文辉,张旭.  自动化学报. 2013(06)
[8]一种基于HSV空间的彩色边缘图像检索方法[J]. 杨红颖,吴俊峰,于永健,王向阳.  中国图象图形学报. 2008(10)
[9]视觉跟踪技术综述[J]. 侯志强,韩崇昭.  自动化学报. 2006(04)
[10]人工神经网络研究现状及其展望[J]. 朱大奇.  江南大学学报. 2004(01)

博士论文
[1]基于稀疏表示的目标跟踪技术研究[D]. 陈典兵.中国科学院长春光学精密机械与物理研究所 2017

硕士论文
[1]基于核相关滤波器的目标跟踪方法研究[D]. 李麒骥.西南科技大学 2017
[2]基于卷积神经网络的目标跟踪算法研究与实现[D]. 张子夫.吉林大学 2015



本文编号:3496716

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3496716.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户b3081***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com