基于视频的行人跟踪方法研究

发布时间：2021-05-11 21:39

　　行人跟踪是机器视觉领域研究热点之一,通过对行人进行定位并获取其运动轨迹,实现对行人目标持续跟踪。受快速运动、遮挡等因素干扰,行人跟踪算法在实际应用中存在准确度低、鲁棒性差等问题。因此,研究基于视频的行人跟踪方法具有非常重要的应用价值。本文围绕基于视频的行人跟踪方法,在行人检测、单目标行人跟踪、多目标行人跟踪等方面展开研究,具体工作如下:在行人检测方面,探讨了YOLO系列检测方法,根据真实场景中实时性、准确性的要求,实现了基于YOLOv3的行人检测方法,并使用Caltech数据集进行测试。实验结果表明,基于YOLOv3的行人检测方法在实时性和准确性上达到了平衡,为接下来研究行人跟踪奠定基础。在单目标行人跟踪方面,针对基于孪生区域建议网络的目标跟踪方法在外界干扰因素影响下鲁棒性不高、泛化能力差的问题,提出了一种用于单目标行人跟踪的验证学习方法。首先,通过孪生区域建议网络提取特征并生成多个候选框,根据候选框分数排序选出最佳目标位置并进行临时存储;然后,根据验证学习跟踪结果确定是否触发校正机制;最后,将校正后的结果再次反馈给跟踪器,并更新目标的位置和大小,完成目标的连续跟踪。在VOT2018数... 

【文章来源】：中国人民公安大学北京市

【文章页数】：123 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 行人检测
        1.2.2 单目标行人跟踪
        1.2.3 多目标行人跟踪
    1.3 本文主要研究内容与结构安排
        1.3.1 主要研究内容
        1.3.2 结构安排
2 基于YOLOv3 的行人检测
    2.1 深度学习理论
        2.1.1 基础原理
        2.1.2 经典卷积神经网络
    2.2 基于YOLO系列算法的检测
        2.2.1 基于YOLOv1 的检测
        2.2.2 基于YOLOv2 的检测
        2.2.3 基于YOLOv3 的检测
    2.3 实验与结果分析
        2.3.1 数据集与评估指标
        2.3.2 结果分析
    2.4 本章小结
3 单目标行人跟踪
    3.1 基于孪生区域建议网络的目标跟踪(Siam RPN)
    3.2 结合验证学习的行人跟踪
        3.2.1 基本框架
        3.2.2 跟踪模块
        3.2.3 验证模块
    3.3 实验与结果分析
        3.3.1 数据集与评估指标
        3.3.2 定量分析
        3.3.3 定性分析
    3.4 本章小结
4 多目标行人跟踪
    4.1 基于检测的多目标跟踪
    4.2 结合表观特征的行人跟踪
        4.2.1 网络结构设计
        4.2.2 度量学习
        4.2.3 运动状态估计
    4.3 关联匹配
    4.4 实验与结果分析
        4.4.1 数据集与评测指标
        4.4.2 实验过程
        4.4.3 结果分析
    4.5 本章小结
5 基于视频的行人跟踪软件实现
    5.1 开发环境与界面设计
        5.1.1 开发环境
        5.1.2 界面设计
    5.2 软件功能实现
        5.2.1 基于图像的行人检测
        5.2.2 基于视频的行人检测
        5.2.3 单目标行人跟踪
        5.2.4 多目标行人跟踪
    5.3 本章小结
结论
参考文献
在学研究成果
致谢


【参考文献】：
硕士论文
[1]道路场景中的多目标跟踪研究[D]. 贺思远.北京交通大学 2019
[2]智能视频监控系统中的目标检测和多目标跟踪技术研究[D]. 杨磊.南京航空航天大学 2019
[3]智能视频监控中多目标跟踪算法研究及应用[D]. 张晓斌.苏州大学 2017



本文编号：3182152