目標(biāo)跟蹤是在圖像序列或視頻中利用當(dāng)前幀和歷史幀中的目標(biāo)輪廓、大小、紋理、速度等特征信息定位感興趣目標(biāo),繼而統(tǒng)計(jì)目標(biāo)的運(yùn)動軌跡和外觀變化數(shù)據(jù),為高級機(jī)器視覺處理提供信息基礎(chǔ)。本文主要研究如何跟蹤背景變化情況下的多個(gè)運(yùn)動目標(biāo),采用相關(guān)濾波方法和FPGA技術(shù)以達(dá)到實(shí)時(shí)在線跟蹤的目的。主要解決核相關(guān)濾波器跟蹤算法在面對背景雜亂、光照改變、目標(biāo)尺度變化、被遮擋等干擾因素時(shí),跟蹤模板易受污染,導(dǎo)致跟蹤失敗的問題。從目標(biāo)建模入手,提出了一種雙特征結(jié)合的相關(guān)濾波跟蹤算法。該方法結(jié)合梯度特征和顏色特征,以相關(guān)濾波器響應(yīng)與高斯分布相似度為評判標(biāo)準(zhǔn),動態(tài)調(diào)整目標(biāo)跟蹤模板的學(xué)習(xí)率,抑制含噪外觀變化對模型的影響,有效緩解目標(biāo)模型的退化,解決了使用單一特征進(jìn)行目標(biāo)跟蹤時(shí)無法同時(shí)抵抗目標(biāo)快速運(yùn)動干擾和光照、背景干擾的問題。從分塊跟蹤出發(fā),提出了一種抗遮擋和尺度變化的分塊相關(guān)濾波跟蹤算法。設(shè)計(jì)了一種基于色調(diào)投影的目標(biāo)分塊方法,該方法利用空間結(jié)構(gòu)信息對目標(biāo)進(jìn)行分塊。分塊相關(guān)濾波跟蹤方法,協(xié)同各個(gè)子塊以抵抗目標(biāo)被局部遮擋的干擾。在此基礎(chǔ)上,統(tǒng)計(jì)各個(gè)子塊的位置信息以完成目標(biāo)尺度變化的估計(jì)。結(jié)合兩種相關(guān)濾波跟蹤方法,實(shí)現(xiàn)了多...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外的相關(guān)研究進(jìn)展及發(fā)展趨勢
        1.2.1 視覺目標(biāo)跟蹤算法分類
        1.2.2 多目標(biāo)跟蹤的問題和挑戰(zhàn)
    1.3 論文的研究內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
第二章 多目標(biāo)跟蹤中的相關(guān)濾波理論和關(guān)鍵技術(shù)
    2.1 相關(guān)濾波跟蹤算法的基本框架
    2.2 相關(guān)濾波中的MOSSE目標(biāo)跟蹤算法
    2.3 目標(biāo)跟蹤中的核相關(guān)濾波算法
        2.3.1 循環(huán)矩陣采樣
        2.3.2 線性回歸訓(xùn)練
        2.3.3 非線性回歸訓(xùn)練
        2.3.4 目標(biāo)檢測及模型更新
        2.3.5 核相關(guān)濾波跟蹤算法流程
    2.4 目標(biāo)跟蹤的評價(jià)方法
    2.5 本章小結(jié)
第三章 多目標(biāo)跟蹤中的雙特征結(jié)合及相關(guān)濾波
    3.1 復(fù)雜背景下的特征結(jié)合方法
        3.1.1 目標(biāo)特征選取
        3.1.2 特征結(jié)合模型
    3.2 針對背景變化和被遮擋的多運(yùn)動目標(biāo)跟蹤
        3.2.1 利用響應(yīng)圖的峰形特征評判跟蹤狀態(tài)
        3.2.2 相關(guān)濾波模板的自適應(yīng)更新
        3.2.3 多目標(biāo)運(yùn)動狀態(tài)的預(yù)估
    3.3 多目標(biāo)跟蹤的雙特征結(jié)合與運(yùn)動預(yù)估目標(biāo)跟蹤算法流程
    3.4 雙特征結(jié)合與運(yùn)動預(yù)估對跟蹤效果的改進(jìn)性能及分析
        3.4.1 背景變化實(shí)例跟蹤效果
        3.4.2 針對OTB-2015 數(shù)據(jù)集的跟蹤效果比較分析
    3.5 本章小結(jié)
第四章 多目標(biāo)跟蹤中的自適應(yīng)分塊相關(guān)濾波方法
    4.1 依據(jù)色調(diào)投影梯度的目標(biāo)自適應(yīng)分塊方法
    4.2 多目標(biāo)跟蹤中的子塊協(xié)同方法
        4.2.1 子塊位置更新
        4.2.2 目標(biāo)全局位置的更新
        4.2.3 目標(biāo)尺度變化的估計(jì)
        4.2.4 相關(guān)濾波模板的自適應(yīng)更新
    4.3 結(jié)合分塊和雙特征結(jié)合的目標(biāo)跟蹤算法
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 背景和尺度變化實(shí)例跟蹤效果
        4.4.2 算法在OBT-2015 數(shù)據(jù)集的跟蹤結(jié)果
    4.5 本章小結(jié)
第五章 多目標(biāo)跟蹤算法在FPGA上的實(shí)現(xiàn)技術(shù)研究
    5.1 多目標(biāo)實(shí)時(shí)跟蹤的功能需求分析
        5.1.1 適用于FPGA的目標(biāo)區(qū)域采樣
        5.1.2 核函數(shù)的選取
        5.1.3 硬件開發(fā)平臺
    5.2 多目標(biāo)實(shí)時(shí)跟蹤系統(tǒng)的總體設(shè)計(jì)
    5.3 多目標(biāo)跟蹤關(guān)鍵算法的FPGA實(shí)現(xiàn)
        5.3.1 目標(biāo)跟蹤算法的實(shí)現(xiàn)過程
        5.3.2 多目標(biāo)跟蹤算法的流水線架構(gòu)
        5.3.3 特征提取模塊的優(yōu)化與實(shí)現(xiàn)
        5.3.4 相關(guān)濾波模塊的實(shí)現(xiàn)和優(yōu)化
        5.3.5 圖像數(shù)據(jù)的的緩存模塊
    5.4 整體算法的測試與分析
    5.5 本章小節(jié)
第六章 總結(jié)與展望
    6.1 主要工作與創(chuàng)新點(diǎn)
    6.2 后續(xù)研究工作
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號：4003418