收藏本站
《中国科学院大学(中国科学院长春光学精密机械与物理研究所)》 2019年
收藏 | 手机打开
二维码
手机客户端打开本文

基于TLD的粒子群目标跟踪理论与应用技术研究

郭巳秋  
【摘要】:一直以来目标跟踪技术都是计算机视觉、图像处理领域的研究热点,其在智能监控、视觉导航、智能交通、人机交互、国防侦察等领域具有重要应用价值。近三十年来,一直有大量的国内外研究学者在不断地研究改进目标跟踪算法。但是,由于跟踪过程中目标信息的复杂性、目标的随机性、背景干扰和目标遮挡等问题,目标跟踪技术仍然是一个很有挑战性的问题。目前虽然成熟的目标跟踪算法有很多种,但是大部分算法都需要特定的环境和应用的范围。尤其是应对广泛场景的跟踪问题一直没有强鲁棒性的算法被提出来,绝大多数方法都是局限在特定的环境里,还需要大量的研究。颜色特征和HOG特征是目标跟踪领域中应用极为广泛的两种目标特征,本文将加权颜色直方图和HOG特征相融合,并通过PCA降维作为目标特征,提高算法在光照条件变化,目标发生形变等情况下的跟踪鲁棒性;针对目标出现遮挡的情况,将粒子群算法应用到目标跟踪系统中,优化目标相似性函数,提出了基于特征融合的粒子群优化目标跟踪算法;并针对惯性权重调节机制存在的局限性,提出了改进的粒子群优化目标跟踪算法,在保证算法跟踪精确度的前提下,显著提高算法运算效率;本文系统地研究了TLD算法的各个环节,提出了基于TLD算法的粒子群优化目标跟踪算法,在跟踪模块,检测模块,学习模块分别进行改进,提高了算法在复杂情况下跟踪的鲁棒性。论文的主要研究内容和创新点有以下几部分:1.深入研究目标跟踪系统基础理论,研究分析了基于匹配跟踪算法的结构化组成,将其分解为目标特征提取以及相似性函数优化两部分结构。2.将加权颜色直方图和HOG特征相融合,并通过PCA降维作为目标特征,选用Bhattacharyya系数作为目标相似性度量,提出了颜色特征和HOG特征融合的目标跟踪算法。加权颜色直方图选用中心凸起单调递减的Epanechnikov核函数作为直方图权值,减弱目标边缘像素对目标特征的贡献,颜色特征对目标方向和形状的依赖较小,经实验验证对跟踪过程中目标出现形变等情况具有明显优势。HOG特征在光照变化的情况下,具有良好的稳定性,将两种算法相融合,发挥各自优势,提高算法在光照条件变化,目标发生形变等情况下的跟踪鲁棒性。3.将粒子群优化算法应用到目标跟踪系统中,提出基于特征融合的粒子群优化目标跟踪算法。粒子群算法具有很好的“多峰”搜索能力,当目标出现遮挡时,目标相似性函数也会出现“多峰”的情况,将两者结合起来,可以良好地解决目标出现遮挡的跟踪问题。通过实验证明,基于特征融合的粒子群优化目标跟踪算法可以有效完成“多峰”搜索,实现相似函数出现“多峰”时的目标精确定位。4.针对基于特征融合的粒子群优化目标跟踪算法中惯性权重调节机制的局限性,提出了改进的粒子群优化目标跟踪算法。首先,初始化算法参数,并确定目标区域;接着,本文提出粒子成熟度的概念,改进惯性权重的调节方法,可以根据种群中每个粒子的不同状态准确调整惯性权重;然后,更新粒子的位置和速度,更新种群的个体最优解和全局最优解;最后,粒子适应度值最大的位置被确定为目标。通过实验验证相较于自适应惯性权重调节机制的粒子群优化目标跟踪算法,改进的算法在保证跟踪精确度的情况下,减少了粒子的迭代次数,显著提高了算法运算效率。5.本文系统地分析TLD算法的各个环节,对跟踪模块,检测模块,学习模块分别进行改进,提出了基于TLD的粒子群优化目标跟踪算法。本文用基于特征融合的粒子群优化目标跟踪算法替代TLD算法中原来的跟踪模块,增强TLD算法在应对目标出现光照变化、非刚性形变、尺度变化、旋转、遮挡等情况下的跟踪鲁棒性;针对TLD算法中运算量较大的检测模块,提出一种自适应调节方差阈值的分类器,提高算法精度和运算效率;针对学习模块中在线学习样本更新的问题,引入样本删除机制,在跟踪过程中为样本库中正负样本分别设定一个数量阈值,当正负样本数都达到各自阈值时,便会启动样本删除机制。然后,对待分类进入样本库的图像块进行等级评价,删除对正负样本表征能力都较弱的图像块。最后,将样本库中的正负样本与当前目标进行相似度匹配,删除对当前目标表征能力低的样本。改进后的基于TLD算法的粒子群优化目标跟踪算法在跟踪准确性和运算效率上得到综合提高。实验结果证明,在应对目标发生光照变化、非刚性形变、尺度变化、旋转和遮挡等广泛场景下的跟踪问题时,基于TLD的粒子群优化目标跟踪算法与11种目前最先进的跟踪算法相比跟踪精度排名第一,比排名第二的DLSSVM算法跟踪精度提高了1.2%,改进的算法相较于原始TLD算法运算效率提高了25%。
【学位授予单位】:中国科学院大学(中国科学院长春光学精密机械与物理研究所)
【学位级别】:博士
【学位授予年份】:2019
【分类号】:TP391.41;TP18

手机知网App
【参考文献】
中国期刊全文数据库 前10条
1 张先炼;王国杰;;混合遗传算法综述[J];电子世界;2015年14期
2 邹德旋;王鑫;陈传虎;段纳;;基于改进粒子群的虹膜定位算法[J];光学精密工程;2014年04期
3 赵硕伟;杨振元;;遗传算法在自动控制领域中的应用综述[J];电子制作;2013年19期
4 周鑫;钱秋朦;叶永强;王从庆;;改进后的TLD视频目标跟踪方法[J];中国图象图形学报;2013年09期
5 张超;李擎;陈鹏;杨守功;尹怡欣;;一种基于粒子群参数优化的改进蚁群算法及其应用[J];北京科技大学学报;2013年07期
6 高帆;吴国平;刑晨;马丽;;TLD目标跟踪算法研究[J];电视技术;2013年11期
7 闫辉;许廷发;吴青青;徐磊;吴威;;多特征融合匹配的多目标跟踪[J];中国光学;2013年02期
8 董师师;黄哲学;;随机森林理论浅析[J];集成技术;2013年01期
9 尹宏鹏;刘兆栋;罗显科;柴毅;;一种基于粒子群优化的目标跟踪特征选择算法[J];计算机工程与应用;2013年17期
10 龚俊亮;何昕;魏仲慧;郭敬明;;采用改进辅助粒子滤波的红外多目标跟踪[J];光学精密工程;2012年02期
中国博士学位论文全文数据库 前6条
1 邵晴;粒子群算法研究及其工程应用案例[D];吉林大学;2017年
2 王宣;机载光电平台稳定跟踪系统关键技术研究[D];中国科学院长春光学精密机械与物理研究所;2017年
3 陈典兵;基于稀疏表示的目标跟踪技术研究[D];中国科学院长春光学精密机械与物理研究所;2017年
4 田浩;基于核函数的目标跟踪算法研究[D];长安大学;2016年
5 程帅;复杂条件下运动目标跟踪方法的研究[D];长春理工大学;2016年
6 王栋;基于线性表示模型的在线视觉跟踪算法研究[D];大连理工大学;2013年
中国硕士学位论文全文数据库 前10条
1 石雪楠;基于Mean Shift的运动目标跟踪方法研究[D];东北电力大学;2018年
2 宗家辉;基于TLD框架的目标跟踪算法的研究[D];西安电子科技大学;2018年
3 黄福山;基于ARM处理器的TLD目标跟踪算法实现和优化[D];西安电子科技大学;2018年
4 李晓行;复杂环境下的CT目标跟踪算法研究[D];西安工程大学;2018年
5 薛丹;融合改进粒子群算法的图像检索研究[D];中北大学;2018年
6 张洵;粒子群优化算法的改进研究[D];渤海大学;2017年
7 刘兴云;基于TLD框架的在线目标跟踪算法研究[D];华侨大学;2016年
8 宋玉婷;基于三维彩色直方图均衡化的彩色图像增强算法研究[D];山东财经大学;2013年
9 刘静;人工目标识别与跟踪算法研究[D];西安电子科技大学;2008年
10 褚丽莉;DSP目标跟踪控制算法的研究与实现[D];西安电子科技大学;2007年
【共引文献】
中国期刊全文数据库 前10条
1 孙辉;李志强;张建华;韩松伟;宋玉龙;;机载光电平台目标交会定位[J];中国光学;2015年06期
2 房宏;于晶晶;;基于激光传感器的机器人位姿跟踪[J];激光杂志;2015年10期
3 郑超;陈杰;陶会峰;殷松峰;杨星;王一程;;基于改进亮度变化函数实现红外图像中行人跟踪[J];光学精密工程;2015年10期
4 郑远力;胡志坤;;基于滑动扫描框的高速物体的图像实时跟踪算法[J];计算机科学;2015年10期
5 曹洁;耿振节;;一种改进蚁群算法在捡球机器人多目标路径规划中的应用[J];小型微型计算机系统;2015年10期
6 曲海成;单晓晨;孟煜;刘万军;;检测区域动态调整的TLD目标跟踪算法[J];计算机应用;2015年10期
7 黄元捷;赵杰煜;程婷婷;陈普强;;一种检测范围自适应的目标跟踪算法[J];宁波大学学报(理工版);2015年04期
8 王志宏;韩璐;戚磊;;随机森林分类方法在储层岩性识别中的应用[J];辽宁工程技术大学学报(自然科学版);2015年09期
9 许婉君;侯志强;余旺盛;张浪;;基于颜色和空间信息的多特征融合目标跟踪算法[J];应用光学;2015年05期
10 程帅;曹永刚;孙俊喜;刘广文;韩广良;;用基于二值化规范梯度的跟踪学习检测算法高效跟踪目标[J];光学精密工程;2015年08期
中国博士学位论文全文数据库 前10条
1 郭巳秋;基于TLD的粒子群目标跟踪理论与应用技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年
2 樊璐璐;多目标优化方法CBQNA研究及其在结构冲击碰撞中的应用[D];吉林大学;2018年
3 白冠冰;基于双机协同交会的空对空测量技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2018年
4 方宇超;光电跟踪稳定平台控制系统关键技术研究[D];长春理工大学;2018年
5 于春阳;基于地图信息及MEMS传感器的室内行人导航算法[D];哈尔滨工程大学;2018年
6 张荣锋;智能视频监控中目标的实时跟踪和视频理解的研究[D];华南理工大学;2017年
7 陈典兵;基于稀疏表示的目标跟踪技术研究[D];中国科学院长春光学精密机械与物理研究所;2017年
8 雷志坤;在线半监督红外跟踪算法研究[D];华中科技大学;2016年
9 张明杰;基于视觉的目标跟踪与行为识别方法研究[D];西北大学;2015年
10 房建武;多源影像下的目标运动分析及应用[D];中国科学院研究生院(西安光学精密机械研究所);2015年
中国硕士学位论文全文数据库 前10条
1 郭林;基于融合型数据驱动的锂离子电池剩余寿命预测方法的研究[D];青岛科技大学;2018年
2 郑鹏程;目标跟踪算法研究及实现[D];宁夏大学;2018年
3 王俊卜;基于视频运动目标跟踪算法研究[D];江苏科技大学;2018年
4 黄福山;基于ARM处理器的TLD目标跟踪算法实现和优化[D];西安电子科技大学;2018年
5 朱建栋;钢材金相图像晶界提取算法研究及智能评级软件设计[D];江苏大学;2018年
6 刘会敏;颜色识别技术在BV四联诊断中的应用研究[D];西安工程大学;2018年
7 王占云;基于深度学习的搪瓷生产在线统计系统研究开发[D];郑州大学;2018年
8 查琳琳;基于改进的TLD目标跟踪算法的研究[D];燕山大学;2018年
9 万倩男;石化消防三维数字化分析与应急演练[D];青岛科技大学;2018年
10 谢飞;基于混合粒子群算法的多种能源工业园区电源容量配置优化研究[D];华北水利水电大学;2018年
【二级参考文献】
中国期刊全文数据库 前10条
1 丘文涛;赵建;刘杰;;结合区域分割的SIFT图像匹配方法[J];液晶与显示;2012年06期
2 陈传虎;邹德旋;刘海宽;;应用统计距离实现虹膜定位[J];光学精密工程;2012年11期
3 陈明杰;黄佰川;张旻;;混合改进蚁群算法的函数优化[J];智能系统学报;2012年04期
4 胡江龙;方景龙;王大全;;多目标跟踪算法在水质监测中的应用[J];机电工程;2012年05期
5 颜佳;吴敏渊;;遮挡环境下采用在线Boosting的目标跟踪[J];光学精密工程;2012年02期
6 葛宝臻;马云峰;魏耀林;;求解粒子群粒度分布的改进Projection算法[J];光学精密工程;2012年01期
7 郝志成;高文;;多模跟踪技术在轮式侦察车图像处理器的应用[J];中国光学;2011年05期
8 顾鑫;王海涛;汪凌峰;王颖;陈如冰;潘春洪;;基于不确定性度量的多特征融合跟踪[J];自动化学报;2011年05期
9 王国良;刘金国;;基于粒子滤波的多自由度运动目标跟踪[J];光学精密工程;2011年04期
10 王坤峰;李镇江;汤淑明;;基于多特征融合的视频交通数据采集方法[J];自动化学报;2011年03期
中国博士学位论文全文数据库 前10条
1 郭磊;基于局部敏感直方图的视觉目标跟踪算法研究[D];哈尔滨理工大学;2015年
2 陈东成;基于机器学习的目标跟踪技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2015年
3 刘光洁;转向架构架焊接变形数值模拟研究与应用[D];吉林大学;2014年
4 汤其剑;高精度多轴稳定平台指向误差的分析与研究[D];天津大学;2014年
5 朱建章;复杂场景下实时视觉目标跟踪的若干研究[D];武汉大学;2014年
6 宋策;基于粒子滤波的目标跟踪技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2014年
7 王栋;基于线性表示模型的在线视觉跟踪算法研究[D];大连理工大学;2013年
8 权伟;可视对象跟踪算法研究及应用[D];西南交通大学;2013年
9 崔雨勇;智能交通监控中运动目标检测与跟踪算法研究[D];华中科技大学;2012年
10 曹蓓;粒子滤波改进算法及其应用研究[D];中国科学院研究生院(西安光学精密机械研究所);2012年
中国硕士学位论文全文数据库 前10条
1 陈洁;特征匹配与目标跟踪算法的研究[D];南京邮电大学;2016年
2 刘兴云;基于TLD框架的在线目标跟踪算法研究[D];华侨大学;2016年
3 杨川;MPCore多核处理器并行计算方法的研究与实现[D];西南交通大学;2014年
4 杨乐周;基于最小生成树拓扑结构粒子群优化算法[D];西安电子科技大学;2014年
5 刘开丽;粒子群优化算法的研究与应用[D];安徽大学;2013年
6 唐阳阳;基于ARM Cortex-A8平台的Opus解码器优化技术[D];华中科技大学;2013年
7 蔡林霖;随机森林的模型选择及其并行化方法[D];哈尔滨工业大学;2013年
8 徐钦;基于内容的图像检索及相关反馈技术研究[D];南京信息工程大学;2012年
9 蔡俊林;医学图像中多目标检测与跟踪技术研究[D];华南理工大学;2012年
10 曾瑞;基于ARM Cortex-A8平台的AAC解码器优化技术[D];华中科技大学;2012年
【相似文献】
中国期刊全文数据库 前10条
1 杨凯杰;田畅;关文君;;快速目标跟踪算法及其嵌入式实现[J];军事通信技术;2016年04期
2 陈伟;祝恩;刘天航;殷建平;邱明辉;;目标跟踪算法的并行优化[J];计算机工程与科学;2016年11期
3 张涛;李继生;董恩国;;基于人脸识别的移动目标跟踪算法研究[J];现代制造技术与装备;2017年02期
4 李贺;;基于深度学习的目标跟踪算法研究综述[J];黑龙江科技信息;2017年17期
5 吴小俊;徐天阳;须文波;;基于相关滤波的视频目标跟踪算法综述[J];指挥信息系统与技术;2017年03期
6 王立新,戴冠中;一种分散化多站联合目标跟踪算法[J];航空学报;1988年03期
7 V.纳加拉简;R.N.沙马;肖万选;;改善边跟踪边搜索雷达的检测和跟踪性能的新方法(第二部分)——检测、航迹的产生与组合[J];雷达与对抗;1988年05期
8 孟琭;李诚新;;近年目标跟踪算法短评——相关滤波与深度学习[J];中国图象图形学报;2019年07期
9 窦慧;赵书斌;王强;;基于特征点的典型目标跟踪算法性能分析[J];指挥控制与仿真;2017年02期
10 王丽娜;;基于卡尔曼滤波的单模型目标跟踪算法的仿真研究[J];中国新通信;2016年10期
中国重要会议论文全文数据库 前10条
1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集(上卷)[C];1995年
2 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
3 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
4 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
5 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年
6 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
7 石章松;刘忠;;一种使用辅助变量的单站纯方位目标跟踪算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
8 段萌远;于俊清;王锦;;基于活动状态分类的多目标跟踪算法[A];第二届和谐人机环境联合学术会议(HHME2006)——第15届中国多媒体学术会议(NCMT'06)论文集[C];2006年
9 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集(上册)[C];2009年
10 郭春;罗鹏飞;;一种基于小波变换的目标跟踪算法研究[A];第十届全国信号处理学术年会(CCSP-2001)论文集[C];2001年
中国博士学位论文全文数据库 前10条
1 张铎;基于水下无线传感器网络的自组织目标跟踪算法研究[D];浙江大学;2019年
2 储琪;基于深度学习的视频多目标跟踪算法研究[D];中国科学技术大学;2019年
3 郭巳秋;基于TLD的粒子群目标跟踪理论与应用技术研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年
4 胡秀华;复杂场景中目标跟踪算法研究[D];西北工业大学;2017年
5 王全辉;筛选式知识辅助多模型机动目标跟踪算法[D];深圳大学;2018年
6 产思贤;基于视觉系统的智能目标跟踪算法研究[D];浙江工业大学;2018年
7 胡琪;基于随机矩阵的扩展目标跟踪算法研究[D];西安电子科技大学;2018年
8 金加根;基于元数据的雷达目标检测和跟踪研究[D];武汉理工大学;2015年
9 张雷;复杂场景下实时目标跟踪算法及实现技术研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2016年
10 胡硕;基于小波理论的目标检测与快速目标跟踪算法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2006年
中国硕士学位论文全文数据库 前10条
1 李凯峰;基于KCF的目标跟踪算法研究及嵌入式系统实现[D];天津理工大学;2019年
2 吕应宇;基于深度学习的非特定目标跟踪算法研究[D];沈阳工业大学;2019年
3 石亚倩;深度学习及深度强化学习在视频目标跟踪中的应用研究[D];西安理工大学;2019年
4 危振;结合目标全局信息的分块目标跟踪算法[D];南昌航空大学;2019年
5 周启晨;基于深度学习的无人机对地目标跟踪算法研究[D];北方工业大学;2019年
6 王永;基于孪生网络的目标跟踪算法及其在舰船场景中的应用研究[D];厦门大学;2018年
7 赵周鼎;核相关滤波目标跟踪算法的研究及其嵌入式平台的实现[D];郑州大学;2019年
8 王润玲;多带宽融合的实时目标跟踪算法[D];北方工业大学;2019年
9 肖渤涛;复杂场景下的实时目标跟踪算法研究及DSP实现[D];中国石油大学(华东);2017年
10 王睿;基于Mean Shift的目标跟踪算法研究[D];武汉大学;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026