论文部分内容阅读
目标追踪是计算机视觉领域基础研究问题之一,为目标识别和行为分析等高层视觉任务提供支持。最近,目标追踪技术正在迅速发展,但是快速而准确的目标追踪算法还相对稀少。本文在分析基于相关滤波器的目标追踪算法优缺点的基础上,提出了一种自适应的多特征融合的核相关滤波器目标追踪算法。另外,借助于深度特征的强大表示能力,本文提出了一种基于深度卷积特征的自适应相关滤波器目标追踪算法。最后,由于多目标追踪问题在实际应用中更为广泛,本文提出了一种基于自适应的核相关滤波器的多目标追踪算法。本文主要的创新工作如下:(1)本文提出了基于自适应的多特征融合的核相关滤波器目标追踪算法。为了解决核相关滤波器的单一特征表示,该方法融合了目标颜色特征和目标结构特征。由于核相关滤波器无法估计目标尺度变化,该算法提出了快速而准确地自适应尺度估计算法。由于核相关滤波器采用固定的目标响应,无法反应目标真实信息的问题,该算法设计了自适应的目标响应。由于核相关滤波器简单的线性插值更新不但容易引入噪声而且计算负担大,该方法采用了自适应的高置信度更新算法。经过OTB数据集评测,该算法在准确率上达到了 79.4%,在成功率上达到了 76.0%,相比核相关滤波器算法在准确率上提高了 11.8%,在成功率上提升了 19.6%,平均速度32.19FPS,证明了该方法可以快速而准确地追踪目标。(2)由于传统手工设计的特征表达能力弱,当光照变化、目标尺度变化、目标遮挡、变形和旋转等不利因素引起的目标外观变化时,核相关滤波器追踪算法容易失败,本文提出了基于深度卷积特征的自适应核相关滤波器目标追踪算法。本文发现深度网络深层次的卷积特征的目标语义信息丰富,适合目标追踪任务,但是深层次的卷积特征图谱分辨率较低,不足以精确地定位目标。为此,我们融合了多层深度卷积特征,设计了一种由粗到细的位置估计方法。经过OTB数据集评测,该算法在准确率上达到89.1%,成功率可以达到78.7%,并与相关滤波器算法以及深度学习方法的目标追踪算法对比,证明了该算法可以在多种不利因素条件下鲁棒地追踪目标。(3)本文将改进的相关滤波器单目标追踪算法应用到多目标追踪技术中,设计了两种模式的基于自适应核相关滤波器的多目标追踪算法。本文最后提出了一种实时的融合多种目标信息的在线多目标跟踪算法。该算法结合最近出色的目标检测算法的,融合目标的外观信息、位置信息和形状信息的,使用匈牙利人算法进行数据匹配的在线多目标追踪算法。经过大量实验证明,该算法可以实时准确地跟踪目标,在常见的监控视频中,速度可以达到25FPS。