資源描述：
《基于深度學習的目標跟蹤算法研究.pdf》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、碩士學位論文基于深度學習的目標跟蹤算法研究RESEARCHONVISUALTRACKINGBASEDONDEEPLEARNING李藍星哈爾濱工業(yè)大學2018年6月國內(nèi)圖書分類號：TP317.4學校代碼：10213國際圖書分類號：681.39密級：公開工程碩士學位論文基于深度學習的目標跟蹤算法研究碩士研究生：李藍星導師：劉紹輝副教授申請學位：工程碩士學科：計算機技術所在單位：計算機科學與技術學院答辯日期：2018年6月授予學位單位：哈爾濱工業(yè)大學ClassifiedIndex:317.4U.D.C:681.39Diss
2、ertationfortheMasterDegreeinEngineeringRESEARCHONVISUALTRACKINGBASEDONDEEPLEARNINGCandidate：LiLanxingSupervisor：AssociateProf.LiuShaohuiAcademicDegreeAppliedfor：MasterofEngineeringSpeciality：ComputerTechnologyAffiliation：SchoolofComputerScienceandTechnologyDate
3、ofDefence：June,2018Degree-Conferring-Institution：HarbinInstituteofTechnology摘要摘要目標跟蹤是計算機視覺領域的重要研究方向，備受國內(nèi)外研究學者的關注。目標跟蹤算法有許多應用場景，典型的有：人機的交互、自動駕駛以及智能視頻監(jiān)控等。目標跟蹤算法的任務，是在給定目標物體初始狀態(tài)之后，估計目標在后續(xù)視頻中的狀態(tài)。然而，經(jīng)過多年努力，仍有影響跟蹤算法性能的因素，如外形變化、光照變化、遮擋等，這些因素會降低跟蹤算法的魯棒性，因此，對跟蹤算法進行更深入的研
4、究十分必要。傳統(tǒng)的目標跟蹤算法采用相關濾波框架，用手工設計的底層視覺特征對目標表觀進行建模，雖然相關濾波利用頻域計算使得跟蹤速度提升，但手工特征或者淺層分類器提取的特征，僅有有限的對目標表觀模型的語義信息預測能力，使得跟蹤精度提升緩慢。近年來，隨著深度學習技術在計算機視覺領域的廣泛應用，目標跟蹤逐漸引用深度學習技術中卷積神經(jīng)網(wǎng)絡與殘差網(wǎng)絡等模型，提取目標更加豐富準確的特征信息，使得目標跟蹤算法的性能和魯棒性得到大幅提升。本文主要研究基于深度學習的目標跟蹤算法，利用卷積神經(jīng)網(wǎng)絡搭建端到端的跟蹤框架，對視頻序列中的目標狀
5、態(tài)進行預測。并且進一步研究了通過使用孿生網(wǎng)絡和殘差網(wǎng)絡，學習和遷移圖像特征，構建魯棒目標表觀特征，結合相關濾波對目標進行實時跟蹤。在端到端的深度學習跟蹤框架中，采用了包含三層卷積與三層全連接的分類網(wǎng)絡模型，并通過兩種方法對其進行優(yōu)化：（1）在模型中添加空間金字塔池化網(wǎng)絡（SPPNet）處理多尺度的圖片輸入，使得模型適應目標物體的尺度變化；（2）將模型低層卷積提取的表觀特征與高層卷積提取的語義特征相結合，對目標進行建模，提高對目標物體識別的準確性?；趯\生網(wǎng)絡與相關濾波相結合的研究中，通過在網(wǎng)絡模型中加入Attenti
6、on機制，對提取的深度特征賦予不同的權重，使得算法更好地適應跟蹤場景。最后本文搭建出基于端到端的深度模型跟蹤框架與結合深度特征的相關濾波框架，并通過上述方法進行優(yōu)化實驗，算法性能與baseline相比，在不降低跟蹤速率的前提下精度更高、魯棒性更好。關鍵詞：目標跟蹤；深度學習；卷積神經(jīng)網(wǎng)絡；孿生網(wǎng)絡-I-AbstractAbstractVisualtrackingisanimportantbranchinComputerVision,whichattractsattentionsfrommanyscholars.Ith
7、asbeenappliedtomanyscenes,intelligentvideosurveillance,automatictransmission,human-computerinteraction,etc.Thetaksofvisualtrackingisestimatingthestateofonearbitrarytargetinvideosequencesbasedonthegroundtruthgivenatthefirstframe.Whileelementsstillexisttoinfluenc
8、etheperformanceofthetrackingalgorithm,suchasscalevariation,fastmotion,occlusionsanddeformation,thatmakeithardtotrack.Itisnecessarytomakefurtherresearchinvisualtracking.Corre
