快速多尺度目標(biāo)跟蹤算法研究

《快速多尺度目標(biāo)跟蹤算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、０６９７：１分類號(hào)：ＴＰ３９１學(xué)校代碼密級(jí)：２０１５２０９５７：公開學(xué)號(hào)＿頎士字位論文’ＭＡＳＴＥＲＳＤＩＳＳＥＲＴＡＴＩＯＮ快渣多尺度目標(biāo)跟蹤算法研究０學(xué)科名稱：計(jì)算機(jī)應(yīng)用技術(shù)作者：王力指導(dǎo)老師：康寶生教授西北大學(xué)學(xué)位評(píng)定委員會(huì)二〇一八年六月ResearchonFastMulti-scaleTargetTrackingAlgorithmAthesissubmittedtoNorthwestUniversityinpartialfulfillmentofthe

2、requirementsforthedegreeofMasterinComputerApplicationTechnologyByWangLiSupervisor:KangBao-shengProfessorJune2018摘要隨著圖像處理、機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域的迅速發(fā)展，目標(biāo)跟蹤技術(shù)受到越來(lái)越多研究人員的廣泛關(guān)注。近年來(lái)，目標(biāo)跟蹤技術(shù)已取得了良好的成果。但隨著目標(biāo)跟蹤被應(yīng)用于更多的領(lǐng)域，其所面臨的環(huán)境也變得復(fù)雜，如目標(biāo)信息的多變性、復(fù)雜的背景以及遮擋等不確定因素。因此，目標(biāo)跟蹤技術(shù)仍然是當(dāng)前一項(xiàng)重要的挑戰(zhàn)性工作。本文

3、對(duì)基于相關(guān)濾波的理論做了深入分析與研究，針對(duì)現(xiàn)有的目標(biāo)跟蹤算法中存在的難點(diǎn)問(wèn)題提出一些有效的改進(jìn)方法，主要工作如下：1.提出一種基于改進(jìn)HOG-顏色特征的目標(biāo)檢測(cè)與跟蹤方法。針對(duì)構(gòu)建目標(biāo)外觀模型中融合HOG-顏色特征計(jì)算量大導(dǎo)致目標(biāo)跟蹤算法實(shí)時(shí)性差的問(wèn)題，利用特征選擇的方法對(duì)其特征維數(shù)進(jìn)行降維。首先，對(duì)目標(biāo)樣本分別進(jìn)行HOG特征和顏色特征提取；其次，采用巴氏距離作為特征選擇的標(biāo)準(zhǔn)，計(jì)算出每一維特征的巴氏距離，選擇合適的特征作為HOG特征；然后，將選擇后的HOG特征與顏色特征進(jìn)行融合；最后，通過(guò)核相關(guān)濾波學(xué)習(xí)得到濾波

4、器，并用該濾波器對(duì)圖像進(jìn)行相關(guān)檢測(cè)，得到響應(yīng)輸出。實(shí)驗(yàn)表明，在各種復(fù)雜場(chǎng)景下，該方法都可以保證較準(zhǔn)確的跟蹤精度，而且跟蹤速度有明顯的優(yōu)勢(shì)。因此，該方法可從根本上降低特征維度，減少特征提取時(shí)間，使得目標(biāo)檢測(cè)與跟蹤的效率得到進(jìn)一步提高。2.提出一種基于相關(guān)濾波的快速多尺度目標(biāo)跟蹤方法。針對(duì)現(xiàn)有目標(biāo)跟蹤算法中對(duì)目標(biāo)尺度估計(jì)不準(zhǔn)確、跟蹤速度慢的問(wèn)題，利用快速構(gòu)建目標(biāo)尺度特征金字塔的方法對(duì)目標(biāo)尺度進(jìn)行快速準(zhǔn)確估計(jì)。現(xiàn)有的特征金字塔構(gòu)建方法是先建立多層目標(biāo)圖像金字塔，然后逐層計(jì)算目標(biāo)圖像特征。本文是先提取單幅圖像的特征，然后通

5、過(guò)重采樣函數(shù)構(gòu)建不同尺度的目標(biāo)圖像特征，大大減少計(jì)算特征的時(shí)間開銷。實(shí)驗(yàn)表明，該方法不僅能夠有效應(yīng)對(duì)各種復(fù)雜環(huán)境下的目標(biāo)尺度變化問(wèn)題，并且跟蹤速度完全滿足實(shí)時(shí)場(chǎng)景下的跟蹤需求。關(guān)鍵字：目標(biāo)跟蹤，核相關(guān)濾波，特征選擇，特征融合，特征金字塔IABSTRACTWiththedevelopmentofimageprocessingandmachinelearningtechnology,targettrackingtechnologyisattractingmoreandmoreresearchers'attention.

6、Inrecentyears,thetargettrackingalgorithmalsohasobtainedtheremarkableresult,butasthetargettrackingisappliedinmorefields,theenvironmentisalsofacingcomplicated,suchastargetinformationvariability,complexbackgroundandpartialocclusions,andsoon.Therefore,thetargettra

7、ckingalgorithmisstillaverychallengingtaskatpresent.Inthispaper,thetheorybasedonkernelcorrelationfilteringisstudiedindeeply.Someeffectiveimprovementmethodsareproposedtosolvethedifficultproblemsintheexistingtargettrackingalgorithm.Themainworkissummarizedasfollow

8、s:1.AtargetdetectionandtrackingmethodbasedonimprovedHOG-Colorfeaturesisproposed.Aimingattheproblemofpoorreal-timeperformanceofthetargettrackingalgorithmduetothelargecomputationalco