基于核相关滤波的分块与尺度自适应跟踪算法研究

发布时间：2022-02-17 18:52

　　目标跟踪技术作为计算机视觉领域研究的一个热点,在视觉监控、人机交互、智能交通、军事制导等领域有着广泛的应用。经过几十年的发展,许多优秀的理论和跟踪算法被提出,这使得跟踪的准确性和鲁棒性有了较大的提高。然而在实际跟踪场景中,由于目标受到遮挡、尺度变化等因素的影响,如何提高算法的实时性和鲁棒性仍是一个有较强挑战性的难点。为此,本文开展了基于核相关滤波的分块与尺度自适应跟踪方法的研究。主要工作如下:1)基于核相关滤波的分块融合跟踪算法（Block fusion tracking algorithm tracker based on Kernelized Correlation Filters,BKCF）。首先,根据目标的大小及宽高比对其进行自适应分块,并对各子块提取其方向梯度直方图和颜色特征;然后,利用融合后的特征对每个子块进行核相关滤波跟踪,得到各子块的最大响应位置;接着,通过子块目标与原目标间的几何关系得到其对应的候选目标位置;最后,通过对各候选目标位置加权平均得到最终的目标响应位置。此外,以子块响应图的峰值旁瓣比和其响应位置与目标最终位置的欧氏距离为判据来判断该子块的有效性,对于有效的... 

【文章来源】：广西师范大学广西壮族自治区

【文章页数】：50 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文的主要工作和论文结构安排
第2章 目标跟踪理论基础
    2.1 目标跟踪的基本流程
        2.1.1 特征提取
        2.1.2 目标模型
        2.1.3 目标搜索
        2.1.4 模型更新
    2.2 相关滤波目标跟踪算法
        2.2.1 循环矩阵
        2.2.3 线性回归
        2.2.4 快速检测与目标定位
    2.3 本章小结
第3章 基于核相关滤波的分块融合跟踪算法
    3.1 引言
    3.2 目标分块与多特征融合跟踪
        3.2.1 目标自适应分块
        3.2.2 子块特征提取与融合
        3.2.3 子块跟踪与目标定位
        3.2.4 子块更新
    3.3 实验与结果分析
        3.3.1 实验定性分析
        3.3.2 定量比较
    3.4 小结
第4章 基于BKCF改进的尺度自适应跟踪算法
    4.1 引言
    4.2 尺度不变特征
    4.3 子块尺度估计
    4.4 目标尺度自适应
    4.5 实验与结果分析
        4.5.1 实验定性分析
        4.5.2 实验定量分析
    4.6 小结
第5章 总结与展望
    5.1 本文总结
    5.2 研究展望
参考文献
攻读硕士期间的科研情况
致谢


【参考文献】：
期刊论文
[1]深度学习的目标跟踪算法综述[J]. 李玺,查宇飞,张天柱,崔振,左旺孟,侯志强,卢湖川,王菡子.  中国图象图形学报. 2019(12)
[2]基于深度学习和医学图像的癌症计算机辅助诊断研究进展[J]. 陈诗慧,刘维湘,秦璟,陈亮亮,宾果,周煜翔,汪天富,黄炳升.  生物医学工程学杂志. 2017(02)
[3]虚拟现实综述[J]. 赵沁平.  中国科学（F辑:信息科学）. 2009(01)



本文编号：3629928