基于深度学习的单目标跟踪算法的设计与实现

发布时间：2022-02-10 18:53

　　单目标跟踪是计算机视觉领域的一个重要分支,在智能视频监控、人机交互、视觉导航、虚拟现实领域都有广泛的应用。单目标跟踪通常面临着尺度变化、形状改变、背景干扰、光照变化、运动模糊等挑战。近几年,随着深度学习技术的不断发展,基于深度学习的方法在单目标跟踪领域取得了不错的成绩,促进了单目标跟踪技术在各行各业的落地与应用。因此,基于深度学习的单目标跟踪技术具有很重要的研究价值。本文通过对MDNet（Multi-Domain Convolutional Neural Networks）网络的研究和分析,并结合其在单目标跟踪过程中的特点与不足对其进行了改进,设计并实现了新的单目标跟踪算法ASTT-M（A Single Target Tracking Algorithm Based on MDNet）。该算法实现了跟踪过程中目标的异常检测和目标的多尺度变化,提出了一种基于岭回归求解的双模型回归策略和基于搜索区域裁剪的相似性干扰规避策略,同时设计了一种新的基于聚类的样本更新方法,并且基于前面的改进重新定义了跟踪控制策略。在目标异常检测方面,本文通过对候选框分值的检测,可以在跟踪过程中及时检测到目标因为形... 

【文章来源】：西安电子科技大学陕西省211工程院校教育部直属院校

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

损失函数值与样本特征空间欧氏距离关系图

3.1 MDNet 网络介绍网络结构和训练方式MDNe（tMulti-DomainConvolutionalNeuralNetworks）网络是 Korea 的 POSTECH团队提出的一种目标跟踪算法[15]，网络结构如图 3.1 所示。主要由三个卷积层（conv1-3）和两个全连接层（fc4-5）构成，最后一层全连接层 6Kfc 表示网络对 K 个域（K 个视频序列）对应的全连接层共具有 K 个分支，每个视频序列对应一个分支，其中前面五层称之为共享层。在训练和测试时每个视频序列都是一个单独的域，并且有特定的分支，该分支负责一个二分类任务去识别当前域中每一帧的目标和背景。MDNet 网络通过多域的训练方式使用大量跟踪视频中的groundtruth 来对共享层进行了预训练。在训练过程中，每一个视频作为一个单独的域，会生成一个全新的分支 来负责当前视频序列的训练。在每个域的迭代过程中都对共享层进行更新，从而使网络具有了对目标进行通用特征表示的能力。

合在目标跟踪过程中对top5均分值进行局部离群点检测的方法LOF-OT（LocalOutlierFactor in Object Tracking）。图3.3 异常检测数据分布图LOF 是一种基于距离的异常检测方法，通过点与点之间距离的计算最终求得每

【参考文献】：
期刊论文
[1]自然场景中文本检测技术研究综述[J]. 戴津.  计算机光盘软件与应用. 2013(18)
[2]岭回归分析的SAS程序设计[J]. 田俊.  数理统计与管理. 1999(03)

硕士论文
[1]岭回归与分位数回归的研究及结合应用[D]. 郭鹏妮.哈尔滨工业大学 2014



本文编号：3619352