收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

复杂场景下鲁棒目标跟踪算法研究

张希铭  
【摘要】:随着我国人工智能水平的进步和无人机产业的发展,以机器视觉平台为载体的目标检测和跟踪系统的应用日趋普遍。目标跟踪算法可以为机器视觉问题提供核心解决方案,因此受到广大研究学者的关注。近些年来,国内外学者利用基于卷积神经网络的方法,提出了全新的特征提取方法与模板更新策略。然而,目标跟踪算法在受到各类复杂场景的干扰时依然会出现失败。因此,目标跟踪算法的精确性和鲁棒性仍然是一个需要深入研究的课题,将目标跟踪算法与无人机平台或其他机器视觉平台的联合应用也同样是亟待解决的工程问题。本文针对复杂场景干扰下的鲁棒目标跟踪问题,结合大量的国内外参考文献,对各类复杂场景下的核心问题与解决方法进行深入剖析,并相应地提出解决方案,旨在获得更加精确、鲁棒的目标跟踪算法,并将这些目标跟踪方案应用到无人机目标跟踪中,以满足实际跟踪应用的需求。具体开展的研究主要有:1.针对在线模型更新和孪生网络两类目标跟踪方法受到遮挡、目标形变和相似目标影响较大的问题,提出在线离线结合的目标跟踪算法。该算法首先详细给出基于模板打分和直方图打分的在线更新方法,接着阐述了基于全卷积孪生网络目标跟踪方法,最后通过离散度测量值和自适应阈值的关系来判定在线更新方法与离线训练方法在跟踪过程中的正确切换节点完成整个目标跟踪过程。实验结果表明,该算法有效地避免了当目标遭遇遮挡和相似干扰目标时跟踪算法的漂移,具有更高的跟踪成功率,同时保证了跟踪算法的实时性。2.针对孪生网络利用深层卷积层特征来表征目标时,由于缺乏空间位置信息而导致目标跟踪算法在跟踪过程中表现的精确度较差的问题,提出一种基于层次孪生网络的目标跟踪算法。该算法首先设计了基于层次孪生网络的整体框架,然后,通过端到端学习估计目标与候选目标之间的相似度函数的方式来训练层次孪生网络,最后通过定位相似度得分最高的位置作为目标当前帧所在位置以完成目标跟踪全过程。实验结果表明,该算法由于通过层次孪生网络的方式获得的目标特征同时具备空间信息和语义信息,因此定位目标的精确度方面表面出良好性能,同时在目标发生遮挡与尺度变化时也表现出较强的鲁棒性。3.针对浅层卷积网络提取特征中效率较低,模型更新过程对于遮挡干扰的鲁棒性差,以及长期目标跟踪成功率低的问题,提出了基于自适应降维卷积特征与离线孪生跟踪算法的目标跟踪算法。该算法首先利用自适应投影矩阵获取浅层卷积特征的主成分特征,接着利用旁峰比为自适应模型更新分配权重,最后结合孪生网络跟踪算法,通过阈值激活的方式实现算法切换完成整体的跟踪过程。实验结果表明,该算法相比于基于浅层卷积特征的目标跟踪算法算法执行效率更高,在尺度变化、遮挡,摄像机移动和目标形变等干扰情况下表现出较强的鲁棒性,在基准数据库上取得了良好的跟踪效果。4.针对卷积网络提取特征对于目标发生仿射变换时的外观表征能力不强,跟踪边界框并非根据目标形变而调整的仿射边界框的问题,提出了基于空间变换孪生网络的目标跟踪算法。该算法首先构建空间变换孪生网络结构,利用空间变换网络中的定位网络,网格生成器和图像采样模块来获取仿射变换矩阵,然后利用相似度匹配方法通过端到端学习的方式获取与目标相似度最高的候选目标位置,最后利用仿射变换矩阵逆变换实现目标跟踪的仿射边界框回归。实验结果表明,该算法在跟踪过程中目标发生形变时,相比于其他跟踪算法拥有更好的跟踪效果,仿射边界框在提高跟踪精度的同时,使得跟踪算法更加具有实际意义。5.针对卷积网络在训练过程中存在优质训练样本不足,训练样本多样化与差异性不强,跟踪算法在长期跟踪过程中容易丢失目标的问题,提出了基于融合对抗网络的目标跟踪算法。该算法首先详细给出对抗空间移除网络的结构设计与训练方法,接着提出对抗空间变换网络的网络设计以及两类网络的融合方法,最后利用融合对抗网生成优质似物性实例完成候选解分类和在线更新来实现整体目标跟踪流程。实验结果表明,该算法可以较好地适应目标发生全部部分遮挡、目标形变和快速运动的情况,由于算法采用基于似物性实例的跟踪策略,在目标丢失后距离较远的位置再出现,目标跟踪算法依然有机会重新定位目标。6.对比本文提出目标跟踪算法的整体性能,通过对每个算法跟踪性能和实时性能的评估,得出不同算法在处理不同复杂场景干扰时的优势和弊端,有利于因地制宜地使用跟踪算法解决针对性的问题,进而总结得出未来研究和改进的方向。通过本文算法在无人机目标跟踪数据库中的对比实验,验证本文提出算法在解决更加复杂的无人机目标跟踪任务时的可行性和有效性。综上,本文深入研究与分析复杂场景的鲁棒目标跟踪问题并提供了相应的解决方案,实现了算法在目标跟踪基准数据库与无人机目标跟踪数据库的良好跟踪效果,为目标跟踪的实际工程应用提供了算法支持。文章最后,梳理了文章的主要工作,对全文各章节进行总结,并对未来即将进行的科学研究进行展望。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 吕凯;袁亮;王国亮;;相关滤波-粒子滤波的长时目标跟踪算法[J];新疆大学学报(自然科学版)(中英文);2021年05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 邹鹏;范都耀;;一种基于多通道孪生网络的鲁棒目标跟踪算法[J];计算机与数字工程;2021年10期
4 王勇;张志腾;王瑛;;基于轻量孪生网络的目标跟踪算法[J];电脑知识与技术;2021年32期
5 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
6 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
7 王宇晗;孟凡军;;基于深度学习孪生网络的目标跟踪算法[J];航空精密制造技术;2022年01期
8 程栋栋;吕宗旺;祝玉华;;孪生网络目标跟踪算法[J];福建电脑;2021年02期
9 张德军;曾维贵;石文君;刘万锁;宁顺杰;;一种基于单脉冲雷达信号生成方位距离像的多目标跟踪算法[J];火控雷达技术;2021年02期
10 张莹杰;;基于深度学习的目标跟踪算法研究现状及发展趋势[J];现代信息科技;2021年08期
11 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
12 李志华;于杨;;基于检测的多目标跟踪算法综述[J];物联网技术;2021年04期
13 白浩然;;深度单目标跟踪算法综述[J];现代计算机;2021年09期
14 周志海;郝向凯;刘智;顾净鑫;杨大为;;一种在线实时多目标跟踪算法的设计与实现[J];电子世界;2021年15期
15 王鑫瑞;;目标跟踪算法研究综述[J];信息通信;2020年04期
16 姜婕;;一种基于FPGA+DSP架构的雷达目标跟踪算法设计与实现[J];舰船电子对抗;2020年03期
17 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
中国重要会议论文全文数据库 前20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 孙传猛;许瑞嘉;乔张弛;王冲;李欣宇;魏宇;;基于粒子滤波的模糊重采样BP神经网络目标跟踪算法[A];第32届中国过程控制会议(CPCC2021)论文集[C];2021年
3 刘国荣;黄琨;苏常军;何亮;曹鹭萌;王小娟;;基于毫米波雷达的多目标跟踪算法[A];第十七届河南省汽车工程科技学术研讨会论文集[C];2020年
4 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
5 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
6 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
7 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
8 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
9 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
10 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
11 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
12 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
13 董阁;郭良浩;闫超;徐鹏;;基于波导不变性的渐近无偏目标跟踪算法[A];2018年全国声学大会论文集 C水声工程和水声信号处理[C];2018年
14 郑黎义;陈兴无;王磊;李正东;;红外/雷达双传感器融合目标跟踪算法[A];中国工程物理研究院科技年报(2005)[C];2005年
15 刘立欣;李杰;杨菲;;机载跟踪平台中目标跟踪算法的设计[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年
16 史健芳;冯志永;何承伟;赵丹丹;;基于高阶累积量检测机动的目标跟踪算法[A];2007'中国仪器仪表与测控技术交流大会论文集(二)[C];2007年
17 杨涛;齐春;;光学式多点触控系统中的多触点目标跟踪算法[A];第六届和谐人机环境联合学术会议(HHME2010)、第19届全国多媒体学术会议(NCMT2010)、第6届全国人机交互学术会议(CHCI2010)、第5届全国普适计算学术会议(PCC2010)论文集[C];2010年
18 戴亚平;郁光辉;平泽宏太郎;;附加导数量测的机动目标跟踪算法[A];第七届北京青年科技论文评选获奖论文集[C];2003年
19 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年
20 王保云;周雷;邓萍;;基于局部块样本的视觉目标跟踪算法[A];第26届中国控制与决策会议论文集[C];2014年
中国博士学位论文全文数据库 前20条
1 张希铭;复杂场景下鲁棒目标跟踪算法研究[D];西北工业大学;2019年
2 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
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 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
5 虎小龙;未知场景多伯努利滤波多目标跟踪算法研究[D];西安电子科技大学;2019年
6 周涛;基于线性表示和图模型的目标跟踪算法研究[D];上海交通大学;2016年
7 孙航;基于在线学习模型的目标跟踪算法研究[D];武汉大学;2017年
8 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
9 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
10 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
11 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
12 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
13 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
14 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
15 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
16 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
17 朱均安;基于深度学习的视觉目标跟踪算法研究[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);2020年
18 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年
19 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年
20 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年
中国硕士学位论文全文数据库 前20条
1 刘旺;基于大疆妙算平台的目标跟踪算法实验研究[D];燕山大学;2021年
2 王雪丽;基于深度学习与相关滤波的目标跟踪算法研究[D];安徽理工大学;2020年
3 王雪东;基于孪生网络结构的目标跟踪算法研究[D];燕山大学;2021年
4 夏亮;基于相关滤波和孪生网络的长期目标跟踪算法研究[D];安徽理工大学;2021年
5 汪潮;基于孪生网络的目标跟踪算法研究[D];北京理工大学;2018年
6 王凯盛;基于多特征融合的核相关滤波目标跟踪算法研究[D];燕山大学;2020年
7 周洁;基于神经网络的目标跟踪算法研究[D];西安电子科技大学;2020年
8 武建宇;基于相关滤波与深度学习的目标跟踪算法研究[D];北京工业大学;2020年
9 王建文;基于深度学习的运动目标跟踪算法的研究[D];齐鲁工业大学;2021年
10 张翔;基于相关滤波和自适应特征选择的目标跟踪算法研究[D];兰州大学;2021年
11 齐硕;基于深度学习的实时长时目标跟踪算法[D];西南财经大学;2019年
12 张能波;基于检测跟踪模型的视觉目标跟踪算法研究与应用[D];深圳大学;2019年
13 杨一丰;基于CNN的目标跟踪算法研究[D];电子科技大学;2019年
14 司元;上下文感知相关滤波目标跟踪算法研究[D];湖南工业大学;2019年
15 陈小旋;视频目标跟踪算法鲁棒性研究[D];广州大学;2019年
16 贺业梅;基于核相关滤波的视频目标跟踪算法研究[D];西安科技大学;2019年
17 胡聪;基于核相关滤波的目标跟踪算法研究[D];华南理工大学;2019年
18 林炎明;基于粒子滤波的目标跟踪算法研究[D];华侨大学;2019年
19 刘汉语;基于核相关滤波的长时间实时目标跟踪算法研究[D];华南理工大学;2019年
20 熊江丰;基于孪生网络的实时视觉目标跟踪算法[D];华南理工大学;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