论文部分内容阅读
在现代计算机视觉技术不断蓬勃发展地浪潮下,目标跟踪作为其中重要的组成部分,引起了科研人员的高度关注.虽然目标跟踪已被大量应用于军事、工业、民用等领域,但其受到快速运动、旋转变化、光照变化等因素的影响,追踪性能仍有待于解决.本文在相关滤波框架下主要研究不同外观模型下的目标跟踪算法,提出基于PCA相关滤波的目标跟踪、相关滤波下基于时间正则项和背景感知的目标跟踪和相关滤波下基于多时空正则项的目标跟踪算法.具体研究内容如下:1.现有的追踪器多采用不同方式的特征提取方法和穷举尺度法来解决目标中心点位置和尺度估计两个问题.一般来说,选取的目标特征越具有代表性,目标的中心点也就越精准;候选目标的尺度越合适,目标的尺度估计越接近实际.本文针对上述两个问题,在相关滤波框架下,提出了一种基于主成分分析(PCA)特征和精确的尺度估计方法的PCA相关滤波的跟踪算法.该算法可以更准确地预测目标的中心位置,同时,精确的尺度估计方法可以保持良好的尺度检测性能.实验结果表明,本文提出的追踪器在带有光照变化、遮挡、背景杂斑等属性的视频中具有较好的目标位置预测精度和较高的平均重叠精度.2.本文针对边界效应和相邻两帧之间目标的相似性,提出了相关滤波下基于时间正则和背景感知(TRBACF)跟踪器.该跟踪器通过采取循环移位操作获得更多的背景信息和目标信息,在一定程度上解决了不必要的边界效应.同时,考虑到相邻两帧之间相关滤波器的相似性,在训练滤波器的外观模型中引入了新的时间正则项,使得追踪器可获得更加精确的目标位置和尺度,从而提高了跟踪性能.最后,在外观模型的求解上,本文应用了交替方向乘子法(ADMM),该方法极大地提升了追踪器的追踪速度.实验表明,本文所提出的TRBACF跟踪器比几种流行的跟踪器具有更好的性能.3.针对边界效应和目标被严重遮挡时跟踪器无法跟踪目标而出现的跟踪漂移两大问题,本文提出了新的相关滤波下基于多时空正则项(MTSRCF)追踪器.相比于传统的追踪器,MTSRCF跟踪器改进了空间正则化系数矩阵.新的系数矩阵增强了中心目标块的正影响,并逐渐减小了目标边缘的背景影响,即削弱了背景中与目标块相似的杂斑块对追踪过程产生的影响,极大地提高了跟踪器的稳定性和鲁棒性.同时,通过引入多个时间正则项,有效地解决了目标被遮挡时出现的追踪漂移现象.此外,为了满足目标跟踪的实时性要求,本文采取了ADMM算法来求解外观模型,提升跟踪算法的速度.实验表明,本文所提出的MTSRCF跟踪器比现有的一些流行的跟踪器具有更好的追踪效果。