發(fā)布時間：2020-04-05 00:56

【摘要】：隨著計算機視覺和科學技術的不斷發(fā)展,視頻目標跟蹤技術已經(jīng)得到了廣泛的普及并且應用到了人們生活的每一個角落。國防監(jiān)控,社會安全、智慧城市和輔助醫(yī)療等領域都離不開目標跟蹤技術。近些年來,深度學習的成功以及計算機性能的大幅提升,讓深度學習方法廣泛應用到了視頻目標跟蹤任務中,并在一系列數(shù)據(jù)集上取得了優(yōu)于傳統(tǒng)方法的成績。因此,基于深度學習的目標跟蹤技術獲得了國內(nèi)外學者的高度關注。盡管視頻目標跟蹤技術取得了可喜的成績,但是在視頻目標跟蹤過程中,由于視頻場景里存在各種干擾,如:目標快速移動、攝像機抖動、光照變化、目標遮擋等等。這些干擾項都會使跟蹤器精度、穩(wěn)定性、成功率下降。雖然有些跟蹤器在有限類甚至一類的跟蹤任務上有很高的精度和成功率,如:車輛跟蹤、行人跟蹤、導彈跟蹤等。但這些跟蹤器普遍泛化能力不強,難以適用于通用目標跟蹤任務,通用目標跟蹤的算法仍然有很大的提升空間。很多基于深度學習的跟蹤器只考慮了目標的卷積特征,卷積特征的可解釋性不強且針對性不足,若能加入其它有效的跟蹤特征能更出色的完成跟蹤任務。本文以卷積神經(jīng)網(wǎng)絡特征為基礎研究通用目標跟蹤問題,跟蹤過程中通過定向擾動算法和多特征算法進行修正,從而達到提升跟蹤器精度、穩(wěn)定性、成功率的目的。主要研究工作如下:(1)在大多數(shù)傳統(tǒng)基于深度學習的跟蹤器工作中,默認下一幀圖片的候選位置是以上一幀結(jié)果位置為中心的高斯分布。然而在實際應用的情況下,一旦目標發(fā)生快速移動、攝像機偏移、目標丟失等情況,跟蹤器則會在距離目標真實位置相對較遠的區(qū)域產(chǎn)生候選位置,這嚴重影響了跟蹤器的精度、穩(wěn)定性和成功率。針對這種不足,本文充分利用了卷積神經(jīng)網(wǎng)絡可以定位的特點,改變粒子濾波器的擾動中心,進行定向擾動采樣,使得候選樣本更加接近真實位置,加速目標找回,防止目標丟失,進而提升跟蹤器的精度、成功率和魯棒性。(2)因為跟蹤器對初始化圖片非常敏感,在同一個視頻圖像序列中,給予不同的初始化圖片會對追蹤器性能有很大影響。為了解決以上問題,本文在提取卷積神經(jīng)網(wǎng)絡特征的基礎上,分別提取不同時段跟蹤目標和候選圖的HOG特征和顏色直方圖,通過計算相似度找到最優(yōu)解。在加入HOG特征和顏色直方圖特征后,跟蹤器可以適應更多的復雜場景,提升了跟蹤器的魯棒性。本文在通用類基準數(shù)據(jù)庫obt-13上驗證了所提算法的有效性并與一些主流跟蹤器進行了對比。本文方法亦可擴展至別的跟蹤器中。
【圖文】：

圖 1.1 中國彩虹 4 無人機導彈瞄準頻監(jiān)控：在現(xiàn)代社會中，隨處可見的攝像頭監(jiān)控設備正在實活安全秩序。如圖 1.2，交通路口監(jiān)控行人和車輛的運行。場、車站等公共場所，將指定對象的目標跟蹤與行為分析進否有可疑行為。中科院也分別研發(fā)了監(jiān)控視頻內(nèi)容的分析系r（Visual Surveillance Star）[12]和人臉識別監(jiān)控系統(tǒng)中科奧

圖 1.1 中國彩虹 4 無人機導彈瞄準2）視頻監(jiān)控：在現(xiàn)代社會中，隨處可見的攝像頭監(jiān)控設備正在實時的生活安全秩序。如圖 1.2，交通路口監(jiān)控行人和車輛的運行。文在商場、車站等公共場所，將指定對象的目標跟蹤與行為分析進行象是否有可疑行為。中科院也分別研發(fā)了監(jiān)控視頻內(nèi)容的分析系統(tǒng)S-Star（Visual Surveillance Star）[12]和人臉識別監(jiān)控系統(tǒng)中科奧森[13]。
【學位授予單位】：湘潭大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP183

【相似文獻】

相關期刊論文 前10條

1 胡悅;;金融市場中的神經(jīng)網(wǎng)絡拐點預測法[J];金融經(jīng)濟;2017年18期

2 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡大會述評[J];國際學術動態(tài);1996年01期

3 吳立可;;脈沖神經(jīng)網(wǎng)絡和行為識別[J];通訊世界;2018年12期

4 林嘉應;鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡的船舶分類模型[J];信息技術與信息化;2019年02期

5 俞頌華;;卷積神經(jīng)網(wǎng)絡的發(fā)展與應用綜述[J];信息通信;2019年02期

6 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡的通用理論建造基石[J];世界科學;2019年04期

7 鮑偉強;陳娟;熊濤;;基于進化神經(jīng)網(wǎng)絡的短期電力負荷預測研究[J];電工技術;2019年11期

8 陳曉燕;;淺析簡單神經(jīng)網(wǎng)絡的發(fā)展及簡單模型[J];數(shù)字技術與應用;2019年05期

9 李青華;李翠平;張靜;陳紅;王紹卿;;深度神經(jīng)網(wǎng)絡壓縮綜述[J];計算機科學;2019年09期

10 劉高宇;;深度神經(jīng)網(wǎng)絡在煤質(zhì)數(shù)據(jù)分析與預測中的應用[J];電腦知識與技術;2019年28期

相關會議論文 前10條

1 孫軍田;張U，

本文編號：2614304