论文部分内容阅读
随着人工智能技术的兴起。计算机视觉、自然语言处理和语音识别技术已经走进了千家万户。在计算机视觉技术中,为了进行实时获取目标位置和长期稳定感知目标方向,视觉单目标跟踪任务应运而生。视觉单目标跟踪任务是计算机视觉技术中的基本任务之一。其可被应用于视频分析、人机交互和自动驾驶等研究问题当中。因此视觉目标跟踪问题广受视觉研究者们重视。近年来,越来越多的研究者采用检测跟踪模型来实现视觉单目标跟踪任务。相较于传统的目标跟踪算法。采用检测跟踪算法的跟踪器具有方法简单、跟踪速度快和处理数据高效同时具有高精度等特点。由于视频中目标所在处环境的复杂性和多样性。加上目标本身又可能发生多种变化。在进行目标跟踪时容易产生诸如形变、遮挡、运动模糊等问题。同时实际场景中如何将目标跟踪算法应用于场景问题中。也是一个非常值得探索的问题。因此针对上述问题,本文主要做出了如下创新:(1)为了克服采用相关滤波为原理的检测跟踪算法在进行目标跟踪时,对运动模糊目标的不适应性,本文提出了一种利用Lasso约束并融入光流信息的目标跟踪算法。首先进行特征抽取,在算法抽取特征时。往通道块中融入光流特征。然后在通道块之后进行特征融合。其次利用Lasso约束DCF跟踪器的目标函数。考虑到所约束的目标函数在定义域上不连续和目标跟踪的优化效率。采用块坐标下降算法来优化所约束的目标函数。实验结果表明,与基于DCF视觉跟踪算法相比,所提出的算法可以有效的处理运动模糊目标,实现运动模糊场景下鲁棒的视觉目标跟踪。(2)针对目标形变问题,提出了一种基于深度特征热力图模型的视觉目标跟踪算法。首先分析了跟踪器在追踪目标时,目标形变对基准算法所产生的影响。发现目标在快速形变时,判别器很难依据上一帧的信息找出当前帧目标所在位置。针对这一问题,提出采用深度特征热力图模型重新感知形变后的目标。同时,为了获取准确的形变目标位置。本文设计了搜索区域生成算法用于估计不同形变程度的目标在下一帧中可能出现的搜索坐标区域。接着,利用所生成搜索区域输入到孪生网络判别器当中,回归出目标所在坐标。同时设计了响应性评估算法评估当前响应图状态。最后结合动态热力图信息更新机制。实验结果表明,本文所提出的基于深度特征热力图模型的视觉目标跟踪算法相较于基准算法在跟踪结果上均有提高,特别适合形变场景下的视觉目标跟踪。(3)为了探索目标跟踪算法在实际当中的应用,本文提出了一种结合目标跟踪算法的安防应用。首先设计并且搭建了应用界面。分别在应用中设计出了四大模块,界面逻辑控制模块、人脸检测模块、人脸识别模块和人脸跟踪模块。并通过实验验证了本系统的有效性和可行性。总之,鉴于视觉目标跟踪任务对于视频分析、人机交互和自动驾驶等问题有着非常重要的研究意义。本文分别针对视觉目标问题中的运动模糊和目标形变两个关键性的目标跟踪问题进行了研究。同时利用优化理论和深度热力图特征的性质,分别尝试解决上述两个关键性问题。提出了两种目标跟踪算法。并且在真实场景和公开的评价算法数据集之上进行了实验,同时验证了所提出算法的有效性。本文的工作为视觉目标跟踪任务在解决运动模糊和形变问题上提供了新思路。同时也探索了目标跟踪在实际智能视频监控中的应用。