結(jié)合深度圖像表示的相關(guān)濾波跟蹤方法研究
發(fā)布時(shí)間：2020-12-11 05:36
視頻在信息社會(huì)中正扮演著越來(lái)越重要的角色,從信息的豐富程度來(lái)看,視頻要遠(yuǎn)遠(yuǎn)超過(guò)文字或圖像。人們?nèi)粘Ｉ町a(chǎn)生的視頻數(shù)量正以驚人的速度增加。視頻網(wǎng)站自然希望能夠?qū)崿F(xiàn)視頻內(nèi)容的自動(dòng)化分析,從而挖掘潛在的商業(yè)價(jià)值。視覺(jué)目標(biāo)跟蹤正是這一技術(shù)的關(guān)鍵點(diǎn)之一。過(guò)去的研究工作使用了大量的機(jī)器學(xué)習(xí)方法來(lái)嘗試解決這個(gè)問(wèn)題,也取得了一定的進(jìn)展。然而實(shí)際場(chǎng)景下拍攝的視頻比較復(fù)雜,跟蹤器飽受視頻中存在的抖動(dòng)模糊、畫(huà)面分辨率低、光照強(qiáng)度變化等因素的影響,長(zhǎng)時(shí)間對(duì)目標(biāo)的穩(wěn)定跟蹤面臨很大的挑戰(zhàn)性。本文在近期流行的相關(guān)濾波跟蹤框架上進(jìn)行了一系列改進(jìn),提出了兩種新的跟蹤方法。相關(guān)濾波器能夠高效地利用大量的樣本在線訓(xùn)練,非常適合實(shí)時(shí)跟蹤。但是經(jīng)典的相關(guān)濾波跟蹤器仍然存在著定位精度不高、易跟丟等不足,針對(duì)這些問(wèn)題本文提出了以下創(chuàng)新性成果。對(duì)于傳統(tǒng)的單模型方案,跟蹤器難以迅速適應(yīng)目標(biāo)的外觀變化,即使能勉強(qiáng)跟蹤上目標(biāo),輸出的預(yù)測(cè)框準(zhǔn)確度也不高。本文提出了一種長(zhǎng)短時(shí)雙模型融合的跟蹤方法,在原有的長(zhǎng)時(shí)模型之外,另外學(xué)習(xí)一個(gè)短時(shí)的模型。短時(shí)模型只用與當(dāng)前幀相鄰的幀訓(xùn)練,目標(biāo)在這些幀里高度相似,容易和背景或干擾物區(qū)分開(kāi)來(lái)。長(zhǎng)時(shí)模型做二分類...
【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】：64 頁(yè)
【學(xué)位級(jí)別】：碩士
【部分圖文】：
圖１．１幾種影響跟蹤的因素??
相關(guān)和卷積類似，只是不需要翻轉(zhuǎn)，所以在濾波器的核是左右對(duì)稱的情況下，它??們是一樣的。卷積之前需要對(duì)樣本進(jìn)行循環(huán)位移，通過(guò)這一步，我們就得到了一個(gè)樣??本所有平移組合的副本，如圖２．１所示。因此，即便在僅提供一個(gè)搜索域的情況下，??相關(guān)濾波器也能產(chǎn)生大量的訓(xùn)練樣本，減緩了在線學(xué)習(xí)中的過(guò)擬合問(wèn)題。時(shí)域的卷積??在頻域里就是點(diǎn)乘，為了效率，通常先將輸入變換到頻域再計(jì)算，相關(guān)操作的形式為：??■?■■ＥＨ??＋３０?＋１５?基準(zhǔn)樣本?－１５?－３０??圖２．］樣本垂直方向上的循環(huán)位移??９??
目標(biāo)的外觀在視頻中是持續(xù)變化的，其在視頻不同時(shí)段表現(xiàn)出的狀態(tài)往往有所??區(qū)別，因此單個(gè)模型難以識(shí)別所有情況。加上訓(xùn)練時(shí)用的參考響應(yīng)是二維高斯?fàn)畹模??有些地方的標(biāo)簽是錯(cuò)誤的（如圖２．２所示），所以即便我們跟蹤的是一個(gè)變化很小的剛??性物體，也不免要引入很多背景噪聲。隨著目標(biāo)的移動(dòng)，訓(xùn)練中引入的噪聲會(huì)越來(lái)越??多，模型甄別目標(biāo)和非目標(biāo)的能力也會(huì)逐漸下降。這與我們的觀測(cè)結(jié)果是一致的，長(zhǎng)??時(shí)模型對(duì)目標(biāo)的響應(yīng)會(huì)很快降低到一個(gè)低的水平，如圖２．３所示。當(dāng)越來(lái)越多幀被用??于訓(xùn)練時(shí)，長(zhǎng)時(shí)模型會(huì)變得更像一個(gè)粗二分類器，更多地關(guān)注目標(biāo)的語(yǔ)義信息，而訓(xùn)??練樣本中的差異和噪聲降低了它分辨目標(biāo)空間細(xì)節(jié)的能力。??我們還發(fā)現(xiàn)，目標(biāo)在連續(xù)幾幀中的外觀基本相同，背景也遵循這樣的規(guī)律。因此??很直接的一個(gè)想法就是再引入一個(gè)短時(shí)模型。不同于長(zhǎng)時(shí)模型，短時(shí)模型是用最近幾??幀的樣本訓(xùn)練的，對(duì)目標(biāo)的響應(yīng)始終保持在較高的水平。但是短時(shí)模型也
本文編號(hào)：2909991
【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁(yè)數(shù)】：64 頁(yè)
【學(xué)位級(jí)別】：碩士
【部分圖文】：
圖１．１幾種影響跟蹤的因素??
相關(guān)和卷積類似，只是不需要翻轉(zhuǎn)，所以在濾波器的核是左右對(duì)稱的情況下，它??們是一樣的。卷積之前需要對(duì)樣本進(jìn)行循環(huán)位移，通過(guò)這一步，我們就得到了一個(gè)樣??本所有平移組合的副本，如圖２．１所示。因此，即便在僅提供一個(gè)搜索域的情況下，??相關(guān)濾波器也能產(chǎn)生大量的訓(xùn)練樣本，減緩了在線學(xué)習(xí)中的過(guò)擬合問(wèn)題。時(shí)域的卷積??在頻域里就是點(diǎn)乘，為了效率，通常先將輸入變換到頻域再計(jì)算，相關(guān)操作的形式為：??■?■■ＥＨ??＋３０?＋１５?基準(zhǔn)樣本?－１５?－３０??圖２．］樣本垂直方向上的循環(huán)位移??９??
目標(biāo)的外觀在視頻中是持續(xù)變化的，其在視頻不同時(shí)段表現(xiàn)出的狀態(tài)往往有所??區(qū)別，因此單個(gè)模型難以識(shí)別所有情況。加上訓(xùn)練時(shí)用的參考響應(yīng)是二維高斯?fàn)畹模??有些地方的標(biāo)簽是錯(cuò)誤的（如圖２．２所示），所以即便我們跟蹤的是一個(gè)變化很小的剛??性物體，也不免要引入很多背景噪聲。隨著目標(biāo)的移動(dòng)，訓(xùn)練中引入的噪聲會(huì)越來(lái)越??多，模型甄別目標(biāo)和非目標(biāo)的能力也會(huì)逐漸下降。這與我們的觀測(cè)結(jié)果是一致的，長(zhǎng)??時(shí)模型對(duì)目標(biāo)的響應(yīng)會(huì)很快降低到一個(gè)低的水平，如圖２．３所示。當(dāng)越來(lái)越多幀被用??于訓(xùn)練時(shí)，長(zhǎng)時(shí)模型會(huì)變得更像一個(gè)粗二分類器，更多地關(guān)注目標(biāo)的語(yǔ)義信息，而訓(xùn)??練樣本中的差異和噪聲降低了它分辨目標(biāo)空間細(xì)節(jié)的能力。??我們還發(fā)現(xiàn)，目標(biāo)在連續(xù)幾幀中的外觀基本相同，背景也遵循這樣的規(guī)律。因此??很直接的一個(gè)想法就是再引入一個(gè)短時(shí)模型。不同于長(zhǎng)時(shí)模型，短時(shí)模型是用最近幾??幀的樣本訓(xùn)練的，對(duì)目標(biāo)的響應(yīng)始終保持在較高的水平。但是短時(shí)模型也
本文編號(hào)：2909991
本文鏈接：http://www.lk138.cn/kejilunwen/dianzigongchenglunwen/2909991.html
最近更新
教材專著
