复杂场景下多模型视频目标跟踪算法研究

发布时间：2022-01-12 04:44

　　视频目标跟踪是计算机视觉领域中的经典问题。其通过第一帧中的目标图像来预测目标在之后各帧中的状态,为行为分析和异常检测等研究提供轨迹信息。随着人工智能和机器学习算法的不断发展,视频目标跟踪已经广泛应用于人们的生产生活中,对其研究具有较高的理论价值和广泛的应用价值。由于跟踪目标和场景的复杂性与多样性,提升跟踪算法在遮挡、快速运动、形变等复杂场景下的跟踪性能,仍然是视频目标跟踪中亟需解决的问题。本文针对视频目标跟踪算法在复杂场景下所面临的问题和挑战,分别基于生成式模型、判别式模型、混合式模型以及深度模型四个方面构建跟踪算法,以期获得一个具有较好普适性和跟踪性能的视频目标跟踪方案。本文主要的研究内容及成果如下:（1）提出了一种基于双层超像素和反馈机制的生成式跟踪算法。首先,采用双边滤波器滤除视频图像中的噪声,突出目标的边缘信息,以便目标的超像素分割,并提出一个基于粗、细粒度超像素的目标外观表征模型。该模型可以自适应调节超像素个数,提升外观表征模型的表征能力。然后,提出一种结合超像素颜色和空间相对位置的相似性度量方法用于置信度图的计算,该度量方法同时考虑了目标的颜色相似性和空间结构信息。最后,通... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：167 页

【学位级别】：博士

【部分图文】：

视频目标跟踪的基本思路[27]

光照变化挑战(Illumination Variation,IV)指的是随着视频帧的推移,目标区域的光照出现明显变化的情形,如图1.3所示。这种情况会导致目标颜色或者灰度特征的急剧变化,造成基于颜色或者灰度构建的目标外观表征模型不能很好的表示目标从而造成跟踪失败。(2)尺度变化挑战

尺度变化挑战(Scale Variation,SV)指的是随着目标视频帧的推移,初始帧中的目标框和当前目标框的比值超过一个特定的阈值ts的情况,其中阈值ts>1,在文献[115]中ts被设定为2,如图1.4所示。目标尺度的变化会伴随着目标像素个数的变化,对跟踪算法外观表征模型的构建带来挑战。有时跟踪算法能定位目标的中心位置,但是却很难估计目标的大小从而造成跟踪算法精确度较高,但成功率不高的情况。(3)遮挡挑战

【参考文献】：
期刊论文
[1]精确制导系统面临的挑战与对策[J]. 高晓冬,王枫,范晋祥.  战术导弹技术. 2017(06)
[2]无人机导航路径跟踪精确制导仿真研究[J]. 陈子昂,杏建军,郑黎明,于洋.  计算机仿真. 2017(10)
[3]中国智能交通系统发展战略研究[J]. 王笑京,沈鸿飞,汪林.  交通运输系统工程与信息. 2006(04)
[4]人机交互的进展及面临的挑战[J]. 董士海.  计算机辅助设计与图形学学报. 2004(01)

博士论文
[1]视频目标跟踪技术研究[D]. 谢超.中国科学技术大学 2018
[2]基于视觉系统的智能目标跟踪算法研究[D]. 产思贤.浙江工业大学 2018
[3]复杂环境下鲁棒目标跟踪方法[D]. 李军伟.浙江工业大学 2018
[4]智能视频监控下的多目标跟踪技术研究[D]. 李彤.中国科学技术大学 2013
[5]智能视频监控技术研究[D]. 孔晓东.上海交通大学 2008

硕士论文
[1]精确制导中的图像匹配和跟踪算法研究[D]. 沈晔青.南京航空航天大学 2007



本文编号：3584122