上下文相关滤波重检测补充学习跟踪

论文总字数：19612字

目 录

摘要 Ⅰ

Abstract Ⅱ

1 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 2

1.2.1 基础的目标跟踪算法 2

1.2.2 基于相关滤波的跟踪算法 2

1.2.3 基于深度学习的跟踪方法 3

1.3本文的主要工作与结构 4

1.3.1 本文的主要工作 4

1.3.2 本文的主要结构 4

2 目标跟踪问题研究 5

2.1 目标跟踪算法流程 5

2.2 目标跟踪技术的难点 5

2.3 目标跟踪算法的评价指标 6

3 上下文相关滤波重检测补充学习跟踪算法 11

3.1 基于相关滤波的跟踪 11

3.2 上下文感知相关滤波分类器 11

3.3 颜色直方图分类器 13

3.4 相互补充 14

4 实验分析与评估 15

4.1 实验设置 15

4.2 在OTB数据集上的分析 15

4.2.1 多种跟踪器的对比 15

4.2.2 OTB50数据集上的结果分析 15

4.3 在TC128数据集上的分析 16

4.3.1 多种跟踪器的对比 16

4.3.2 TC128数据集上的结果分析 16

5 最终结论 18

6 讨论 18

参 考 文 献 19

致谢 21

上下文相关滤波重检测补充学习跟踪

王森雯

,China

Abstract：Target tracking is one of the research hotspots in computer vision, image processing and pattern recognition. It has been widely used in military affairs, security monitoring, intelligent transportation, visual navigation, and meteorological analysis. Target tracking has great economic and application value in human production and life, so it has caused a lot of learning and in-depth study. However, due to the complex environment and the diversity of target movement state, it cannot be found. Tracking methods are suitable in all situations. Therefore, domestic and foreign scientists have put forward a variety of methods to improve tracking technology to improve the accuracy, real-time performance and robustness of tracking technology under various application conditions. However, current tracking research still faces such challenges.

In order to make the target tracking algorithm have better accuracy, real-time performance and robustness when encountering complicated background, occlusion and other situations, this paper proposes a context-dependent filter re-detection supplementary learning tracking. The main tasks of this dissertation are: (1) Calculate the response graph using context-aware correlation filtering. (2) Combined with the color histogram classifier (3) Through re-detection, the lost target is re-locked to obtain the final response and tracking results. (4) The proposed method was compared with basic context-aware correlation filtering on OTB50 and TC128 using MATLAB.

Key words：target tracking；correlation filter；context-aware；recheck

1 绪论

1.1 研究背景与意义

人类的视觉系统是一个以大脑为核心的高级信息处理系统，可以同时获得时间的信息和空间的信息。科学研究表明，当人们感知移动物体时，他们通过人类视觉系统分析和预测目标的运动状态，轨迹和行为。随着数字图像处理、人工智能、模式识别等学科的迅猛发展，计算机逐渐被赋予视觉，这项技术可以模仿人眼处理系统。目标跟踪技术也是数字图像处理、计算机视觉、人工智能等相关领域的热门话题，被广泛应用于智能机器人、现代电力、智能交通等领域。

简而言之，目标跟踪是建立连续视频序列中目标对象的位置关系，以获得目标的全部范围。先要确定目标在视频中第一帧时的位置坐标，再通过各式各样的算法可以计算出目标在视频中的下一帧具体位置。目标在视频中运动时，可能会由于背景或自身运动的原因，导致目标出现一些在图形上的变化，包括：光线亮度的变化、姿态和形状的变化、背景遮挡和尺度的变化等等。为了解决在跟踪目标是遇到的一系列问题，大量的研究在持续展开中。在实际应用中，目标搜索算法必须满足精度、鲁棒性和实时性的三大要求。 具有较高的跟踪精度和较复杂的应用，而且应用持续时间更长，而简单的算法具有更好的实时性能，但跟踪精度较差。

剩余内容已隐藏，请支付后下载全文，论文总字数：19612字