發(fā)布時間：2021-03-25 12:07

  如今,作為智能監(jiān)控的關鍵技術,視頻跟蹤受到了越來越多的學者和企業(yè)的關注。視頻跟蹤是計算機視覺領域的核心課題之一,融合了圖像處理、模式識別、計算機控制以及人工智能等領域中的先進技術和核心思想。其在視頻序列初始幀時自動或手動標記目標,獲取相關信息,在后續(xù)幀中對運動目標進行實時和精確的跟蹤。然而,現(xiàn)實場景的復雜,如遮擋、形變、光照變化等給視頻跟蹤技術帶來了很大的困難和挑戰(zhàn)。經(jīng)過多年的發(fā)展,學者們提出了許多有效的視頻跟蹤算法,在一定程度上解決了復雜場景的問題。但傳統(tǒng)的視頻跟蹤算法是基于人工提取的特征,大部分只針對特定的目標和場景,泛化能力差,魯棒性不強,無法滿足智能監(jiān)控的要求。而深度學習的引入大大促進了視頻跟蹤技術的發(fā)展。本文在研究主流視頻跟蹤技術和深度學習原理及其應用的基礎上,分析了各算法在不同場景下的表現(xiàn)效果,針對基于深度學習的視頻跟蹤技術進行了深入的研究,比較了目前該領域各算法的優(yōu)缺點,并結合主流的視頻跟蹤框架,提出了一種基于深度卷積神經(jīng)網(wǎng)絡的視頻跟蹤方法。首先,基于深度學習框架caffe,利用數(shù)萬張通用數(shù)據(jù)集對網(wǎng)絡進行離線預訓練,得到深度網(wǎng)絡模型。接著,通過在線的方式訓練目標與背景的分類器。之后,采用粒子濾波的方法對目標進行在線跟蹤。本方法將深度學習模型和主流目標跟蹤框架進行了深度的結合,充分利用深度模型強大的特征表達能力,在復雜場景如遮擋、形變、光照變化的視頻序列中展現(xiàn)出了不錯的跟蹤性能,具有較好的魯棒性和準確度。
【學位授予單位】：華北電力大學(北京)
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41;TP181

【參考文獻】

相關期刊論文 前3條

1 劉少華;張茂軍;熊志輝;陳旺;;一種魯棒高效的視頻運動目標檢測與跟蹤算法[J];自動化學報;2009年08期

2 侯志強;韓崇昭;;視覺跟蹤技術綜述[J];自動化學報;2006年04期

3 田原,譚鐵牛,孫洪贊;一種具有良好魯棒性的實時跟蹤方法[J];自動化學報;2002年05期

相關碩士學位論文 前1條

1 王華華;基于統(tǒng)計學習的人臉識別方法研究[D];上海交通大學;2007年

本文編號：1917423