收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

图像序列中鲁棒的视觉目标跟踪算法研究

李康  
【摘要】:由于图像采集设备的普及,以数字图像为研究对象的计算机视觉得到了空前的发展。目标跟踪是智能监控,虚拟现实以及机器人视觉等领域的核心技术之一,它的研究涉及到计算机、数学以及心理学等许多学科研究前沿的知识。目标跟踪是计算机视觉领域的重要组成部分,国内外有大量的研究者从事目标跟踪的研究性工作。但是由于跟踪环境的复杂性以及目标外观的多变性,开发出鲁棒的目标跟踪算法仍然是一个非常具有挑战性的课题。本论文在对现有的目标跟踪算法进行深入研究的基础上,针对这些算法存在的缺陷以及不足,提出了一系列的能够提高跟踪鲁棒性的策略。本文的主要研究内容和研究成果如下:1.提出了一种基于最大后验概率的多子空间学习目标跟踪算法。基于主成分分析(PCA)子空间学习的跟踪算法假设目标从子空间中生成并且误差项服从小方差的高斯分布。但是这些算法没有考虑样本在子空间中的先验分布,在以重构误差最小化为目标进行优化时容易产生过度拟合测试样本现象。为了解决过度拟合问题,本文首先从最大似然估计(ML)角度分析了基于PCA子空间学习的算法原理,然后推导出了样本投影在子空间中坐标方差的无偏估计,最后提出了基于最大后验概率(MAP)的PCA子空间学习算法。传统的子空间学习的目标跟踪算法仅仅使用重构误差的大小作为判断目标相似度的标准,而忽略了重构误差能够反映出目标外观与训练模型之间差异的特性。在此基础上,本文提出了一种局部跟踪策略。首先,将目标图像分成多个块,假设每个块都从独立的子空间中生成。其次,根据每个分块对目标的重构误差大小判断该分块是否被遮挡。最后在计算粒子权值和更新子空间时仅使用未被遮挡的分块,从而避免了遮挡物对跟踪结果的干扰。实验表明本文提出的算法能有效地解决目标的部分遮挡,运动模糊和背景干扰等问题。2.提出了一种基于簇相似性比较的多分类器目标跟踪算法。簇相似的比较算法通过建立以方差为尺度的特征空间,比较测试样本到簇中心的距离计算相似度,能够快速计算出目标样本。由于跟踪过程中目标和背景的变化,单分类器簇相似跟踪算法学习到大量的非目标信息而导致跟踪精度降低。针对该问题,本文提出使用树形结构保存历史分类器。在每一帧,根据树中路径距离选择分类器集对候选样本分类。实验证明,这种策略能够提升簇相似性跟踪算法的精度。3.提出了一种基于压缩感知特征选择的目标跟踪算法。压缩感知目标跟踪算法(CT)在许多测试视频中表现出了鲁棒的跟踪效果。它的外观模型包括一系列从高维特征空间随机映射得到的低维特征,低维特征保留了其在高维空间中的结构关系。在提取特征时,CT定义了一个非常稀疏的矩阵,并通过该矩阵与高维特征进行卷积提取目标特征。最后,CT采集正样本和负样本在线训练了贝叶斯分类器用于对目标和背景进行分类。在CT中,由于一些用于分类的特征区分能力不足,使用这些特征训练强分类器将会降低分类能力。为了解决上述问题,本文提出了一种在线的压缩感知特征选择的算法,在构建强分类器时,选择那些在分类正样本和负样本时具有最大“间隔”的特征。对于没有被选择的特征,在更新时定义一个随机的相对较高的学习率,减慢这些特征的更新速度。当目标的外观剧烈变化时,这些特征能够保留更多的目标原始信息,从而避免了漂移问题,提高了跟踪的鲁棒性。4.提出了一种基于协同决策的跟踪算法,它融合了两种互补跟踪算法,能够处理跟踪中的目标的外观变化和短时遮挡。并且,本文提出了一种评估跟踪结果“可信度”的概念,这种概念及其计算方式能够应用到其他跟踪算法中,有助于未来开发出更鲁棒的跟踪算法。首先,提出了一种改进的具有自动学习率的贝叶斯算法(简称B算法)。B算法的分类器响应值反映了跟踪结果的可信度,例如,当分类器响应值较低时往往是跟踪结果不可信。因此,当分类器响应值较低时,通过降低学习率可以使得B算法快速适应目标的外观变化,反之亦然。这样就使得B算法适合处理跟踪中目标外观剧烈变化的情况。其次,本文提出了一种改进后的增量子空间学习算法(简称S算法)。S算法的重构误差能够被用来判断跟踪结果是否可信。在跟踪结果不可信时,S算法将停止更新,这使得S算法能够保留更多目标的原始信息。当目标被遮挡后又重新出现时,S算法能够重新定位目标。最后,我们提出了一种能够融合两种不同算法的跟踪框架(BAST),在框架中,两种算法同时运行并且各自返回一个候选的跟踪结果。对于每一个候选跟踪结果,定义相应的标准来衡量其可信度,并选择最为可信的结果作为目标的状态。


知网文化
【相似文献】
中国期刊全文数据库 前13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
11 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期
12 王岩;蒿兴华;杨顺云;;多假设多目标跟踪算法[J];数字通信世界;2019年08期
13 谢涛;;基于能效的动态分簇目标跟踪算法[J];西南大学学报(自然科学版);2016年11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 李康;图像序列中鲁棒的视觉目标跟踪算法研究[D];武汉大学;2016年
2 曾宪佑;复杂场景下鲁棒的目标跟踪算法研究[D];北京交通大学;2019年
3 杨森泉;基于稀疏分析的鲁棒目标跟踪研究[D];广东工业大学;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 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
9 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
10 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
中国硕士学位论文全文数据库 前10条
1 杨一丰;基于CNN的目标跟踪算法研究[D];电子科技大学;2019年
2 陈小旋;视频目标跟踪算法鲁棒性研究[D];广州大学;2019年
3 张亚琴;视频序列中的单目标跟踪算法研究[D];新疆大学;2019年
4 卢耀坤;复杂场景运动目标跟踪算法研究[D];电子科技大学;2019年
5 郑辉;复杂条件下实时目标跟踪算法设计与实现[D];电子科技大学;2019年
6 李军;基于视觉注意机制的目标跟踪算法研究[D];华北理工大学;2019年
7 王硕豪;基于深度学习的目标跟踪算法研究[D];江西理工大学;2019年
8 汤玉;多特征随机集滤波视频目标跟踪算法研究[D];江南大学;2019年
9 胡雯;无人机视角地面目标检测与跟踪[D];电子科技大学;2019年
10 李倩;基于相关滤波的目标跟踪算法研究[D];吉林大学;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978