融合多层视觉线索的单目标跟踪算法研究

发布时间：2023-02-08 17:57

　　目标跟踪是计算机视觉研究中一个重要内容,在智能监控、自动驾驶、医疗诊断等各个领域中都有着广泛的应用。然而实际的跟踪应用面临各种复杂环境场景,仍然存在许多问题亟需解决,因此,探索高效鲁棒的跟踪算法具有重要的研究意义。本文针对具体的难点问题,分别从基于相关滤波跟踪框架和基于孪生网络跟踪框架出发,提出相应解决方案来提高跟踪性能,降低背景噪声,剧烈外观变化等因素的影响,并通过实验来验证所提方法的有效性,具体研究工作包含以下两方面:(1)针对相关滤波方法假设跟踪目标的形状是一个服从高斯分布的轴对齐矩形框,不可避免的引入背景信息,影响跟踪性能的问题。提出融合多线索背景信息的相关滤波跟踪算法,通过独立训练两个相关滤波器来提高跟踪性能。算法在相关滤波跟踪框架下,首先采样样本图像训练第一个滤波器,生成目标响应点。然后利用高斯插值的方式得到其它响应点,第一个滤波器生成的所有响应点看成是先验目标响应并用于训练第二个滤波器。预测目标位置时,联合第一个滤波器的目标响应得到最终的跟踪结果。模型更新时,引入高置信度模型更新策略来缓解模型漂移的问题,公开基准数据集上的实验结果表明所提方法的有效性。(2)针对一些基于孪...

【文章页数】：68 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究意义
    1.2 国内外研究现状
        1.2.1 基于相关滤波的目标跟踪算法研究现状
        1.2.2 基于深度学习的目标跟踪算法研究现状
    1.3 论文主要研究内容和组织结构
        1.3.1 论文主要研究内容
        1.3.2 论文组织结构
第2章 单目标跟踪相关理论方法
    2.1 目标跟踪概述
        2.1.1 目标跟踪任务
        2.1.2 常用的目标跟踪数据集
    2.2 基于相关滤波的目标跟踪
        2.2.1 相关滤波原理
        2.2.2 相关滤波基础知识
        2.2.3 基于相关滤波的目标跟踪框架
    2.3 基于孪生网络的目标跟踪
        2.3.1 孪生网络结构
        2.3.2 基于孪生网络的目标跟踪框架
    2.4 本章小结
第3章 融合多线索背景信息的相关滤波目标跟踪
    3.1 基于特征融合的目标跟踪算法
    3.2 融合多线索背景信息的目标跟踪算法
    3.3 实验结果与分析
        3.3.1 实验细节和实验参数设置
        3.3.2 定性定量实验结果分析
        3.3.3 消蚀实验分析
    3.4 本章小结
第4章 多线索级联的深度目标跟踪
    4.1 动态孪生网络跟踪算法
    4.2 多线索级联的跟踪方法
        4.2.1 低层学习
        4.2.2 中层学习
        4.2.3 高层学习
    4.3 实验与结果分析
        4.3.1 实验设置
        4.3.2 实验结果分析
        4.3.3 参数分析
    4.4 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 工作展望
参考文献
致谢
攻读学位期间取得的科研成果清单



本文编号：3738121