题名 | 复杂场景下的运动目标跟踪算法研究 |
作者 | 王思奎 |
答辩日期 | 2020-05-26 |
授予单位 | 中国科学院沈阳自动化研究所 |
授予地点 | 沈阳 |
导师 | 刘云鹏 |
关键词 | 目标跟踪 相关滤波 背景约束 孪生网络 注意力机制 |
学位名称 | 硕士 |
其他题名 | Research on Moving Object Tracking Algorithms under Complex Scenes |
学位专业 | 控制工程 |
英文摘要 | 运动目标跟踪技术涉及了图像处理、光电技术、模式识别和机器学习等多个领域的理论知识,在交通、安防、医疗、军事等领域发挥着重要的作用。对复杂场景下运动目标跟踪算法的改进有着重要的研究与应用价值。本文对近年目标跟踪算法的发展进行了综述,对相关跟踪算法的原理进行了解析。在此基础上,针对当前跟踪领域存在的复杂挑战,提出了两种鲁棒的在线目标跟踪算法,主要研究工作总结如下:(1)针对长期目标跟踪中因背景混叠和遮挡等因素导致的目标丢失问题,提出一种基于背景约束与卷积特征的长期目标跟踪方法。首先,对输入图像进行多特征融合并降维,增强目标特征判别性能的同时降低特征计算的复杂度。其次,在相关滤波器训练过程中引入背景约束,使得滤波器专注于目标响应,提升抗干扰能力。最后,通过设置记忆滤波器与峰值旁瓣比检测判断目标是否丢失。若丢失,引入卷积特征滤波器进行重检测,以实现目标的重捕。公开数据集实验证明,算法在混叠背景与遮挡场景下的表现优异,能够实现长期的稳定跟踪。(2)针对基于孪生网络结构的目标跟踪算法存在的特征利用效率低以及正负样本不均衡等问题,提出一种基于双重自注意力机制孪生网络的目标跟踪算法。首先,在孪生结构的骨干网络中引入通道自注意力与空间自注意力模块,对网络特征进行精炼。其次,使用反卷积的方式将不同层级的深度特征进行融合,充分利用卷积网络各阶段的表征能力。最后,引入在线难例挖掘的方式缓解正负样本不均衡问题,同时重点关注难样本的训练以提升网络在混叠背景下的判别能力。在背景模糊、快速移动、旋转、形变等多个复杂场景挑战下的对比实验证明了所提改进算法的有效性。 |
语种 | 中文 |
产权排序 | 1 |
页码 | 67页 |
内容类型 | 学位论文 |
源URL | [http://ir.sia.cn/handle/173321/27142] |
专题 | 沈阳自动化研究所_光电信息技术研究室 |
作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所; |
推荐引用方式 GB/T 7714 | 王思奎. 复杂场景下的运动目标跟踪算法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论