目標跟蹤是在圖像序列或視頻中利用當前幀和歷史幀中的目標輪廓、大小、紋理、速度等特征信息定位感興趣目標,繼而統計目標的運動軌跡和外觀變化數據,為高級機器視覺處理提供信息基礎。本文主要研究如何跟蹤背景變化情況下的多個運動目標,采用相關濾波方法和FPGA技術以達到實時在線跟蹤的目的。主要解決核相關濾波器跟蹤算法在面對背景雜亂、光照改變、目標尺度變化、被遮擋等干擾因素時,跟蹤模板易受污染,導致跟蹤失敗的問題。從目標建模入手,提出了一種雙特征結合的相關濾波跟蹤算法。該方法結合梯度特征和顏色特征,以相關濾波器響應與高斯分布相似度為評判標準,動態調整目標跟蹤模板的學習率,抑制含噪外觀變化對模型的影響,有效緩解目標模型的退化,解決了使用單一特征進行目標跟蹤時無法同時抵抗目標快速運動干擾和光照、背景干擾的問題。從分塊跟蹤出發,提出了一種抗遮擋和尺度變化的分塊相關濾波跟蹤算法。設計了一種基于色調投影的目標分塊方法,該方法利用空間結構信息對目標進行分塊。分塊相關濾波跟蹤方法,協同各個子塊以抵抗目標被局部遮擋的干擾。在此基礎上,統計各個子塊的位置信息以完成目標尺度變化的估計。結合兩種相關濾波跟蹤方法,實現了多...

【文章頁數】：73 頁

【學位級別】：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 國內外的相關研究進展及發展趨勢
        1.2.1 視覺目標跟蹤算法分類
        1.2.2 多目標跟蹤的問題和挑戰
    1.3 論文的研究內容
    1.4 論文的組織結構
第二章 多目標跟蹤中的相關濾波理論和關鍵技術
    2.1 相關濾波跟蹤算法的基本框架
    2.2 相關濾波中的MOSSE目標跟蹤算法
    2.3 目標跟蹤中的核相關濾波算法
        2.3.1 循環矩陣采樣
        2.3.2 線性回歸訓練
        2.3.3 非線性回歸訓練
        2.3.4 目標檢測及模型更新
        2.3.5 核相關濾波跟蹤算法流程
    2.4 目標跟蹤的評價方法
    2.5 本章小結
第三章 多目標跟蹤中的雙特征結合及相關濾波
    3.1 復雜背景下的特征結合方法
        3.1.1 目標特征選取
        3.1.2 特征結合模型
    3.2 針對背景變化和被遮擋的多運動目標跟蹤
        3.2.1 利用響應圖的峰形特征評判跟蹤狀態
        3.2.2 相關濾波模板的自適應更新
        3.2.3 多目標運動狀態的預估
    3.3 多目標跟蹤的雙特征結合與運動預估目標跟蹤算法流程
    3.4 雙特征結合與運動預估對跟蹤效果的改進性能及分析
        3.4.1 背景變化實例跟蹤效果
        3.4.2 針對OTB-2015 數據集的跟蹤效果比較分析
    3.5 本章小結
第四章 多目標跟蹤中的自適應分塊相關濾波方法
    4.1 依據色調投影梯度的目標自適應分塊方法
    4.2 多目標跟蹤中的子塊協同方法
        4.2.1 子塊位置更新
        4.2.2 目標全局位置的更新
        4.2.3 目標尺度變化的估計
        4.2.4 相關濾波模板的自適應更新
    4.3 結合分塊和雙特征結合的目標跟蹤算法
    4.4 實驗結果與分析
        4.4.1 背景和尺度變化實例跟蹤效果
        4.4.2 算法在OBT-2015 數據集的跟蹤結果
    4.5 本章小結
第五章 多目標跟蹤算法在FPGA上的實現技術研究
    5.1 多目標實時跟蹤的功能需求分析
        5.1.1 適用于FPGA的目標區域采樣
        5.1.2 核函數的選取
        5.1.3 硬件開發平臺
    5.2 多目標實時跟蹤系統的總體設計
    5.3 多目標跟蹤關鍵算法的FPGA實現
        5.3.1 目標跟蹤算法的實現過程
        5.3.2 多目標跟蹤算法的流水線架構
        5.3.3 特征提取模塊的優化與實現
        5.3.4 相關濾波模塊的實現和優化
        5.3.5 圖像數據的的緩存模塊
    5.4 整體算法的測試與分析
    5.5 本章小節
第六章 總結與展望
    6.1 主要工作與創新點
    6.2 后續研究工作
致謝
參考文獻
攻讀碩士學位期間取得的成果



本文編號：4003418