基于GPU加速的视觉目标跟踪算法研究

发布时间：2022-07-22 19:05

　　视觉目标跟踪是计算机视觉领域中的热门研究课题之一,广泛应用于视频监控、人机交互、智能交通以及军事打击等领域,具有极其重要的实用意义。近年来,目标跟踪技术取得了长足的进步和丰硕的成果,但是实际的跟踪场景往往十分复杂存在多种干扰因素,如何兼顾跟踪精度和跟踪速度仍然是一个亟需解决的难题。本文对DSST（Accurate Scale Estimation for Robust Visual Tracking）算法进行优化改进,提高跟踪性能,并且对改进的跟踪算法进行GPU加速实现实时跟踪。本文的主要研究内容如下:1.对DSST算法进行优化改进,设计再检测模块,提出一种长期目标跟踪算法DSST-RD（Accurate Scale Estimation for Robust Visual Tracking-Redetection）。DSST算法是一种基于相关滤波的跟踪算法,首次将目标跟踪分为目标位置平移和目标尺度变换两个问题,能够很好地解决目标尺度变换的问题,但是当目标丢失时无法重定位。因此,本文基于异常值检测的跟踪失败判定方法和相关滤波分类器设计了一个再检测模型,该模型采用局部搜索为主全局搜索次之... 

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 视觉目标跟踪算法研究现状
        1.2.2 GPU及CUDA概述
    1.3 本文研究内容和结构安排
第二章 DSST跟踪算法和CUDA理论知识
    2.1 DSST跟踪算法
        2.1.1 位置估计
        2.1.2 尺度估计
    2.2 FHOG特征
        2.2.1 HOG特征
        2.2.2 FHOG特征
    2.3 跟踪性能评估指标
        2.3.1 精度评估
        2.3.2 鲁棒性评估
        2.3.3 速度评估
    2.4 CUDA
        2.4.1 CUDA编程模型
        2.4.2 CUDA执行模型
        2.4.3 CUDA内存模型
    2.5 本章小结
第三章 基于再检测的长期目标跟踪算法
    3.1 引言
    3.2 目标再检测
        3.2.1 跟踪失败判定
        3.2.2 重定位
    3.3 DSST算法改进
        3.3.1 再检测模块
        3.3.2 长期目标跟踪算法
    3.4 算法评估
        3.4.1 实验环境
        3.4.2 算法实际效果分析
        3.4.3 算法性能评估
    3.5 本章小结
第四章 基于DSST-RD算法的CUDA优化加速
    4.1 引言
    4.2 DSST-RD算法并行性分析
    4.3 位置估计并行化
        4.3.1 FHOG特征提取并行化。
        4.3.2 高斯核相关计算并行化
        4.3.3 傅里叶变换
    4.4 尺度估计并行化
        4.4.1 多尺度FHOG特征提取
        4.4.2 快速检测
        4.4.3 模型更新
    4.5 整体内存优化
    4.6 算法评估
        4.6.1 实验环境
        4.6.2 算法加速效果分析
        4.6.3 算法性能评估
    4.7 本章小结
第五章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]采用异常值检测及重定位改进的KCF跟踪算法[J]. 刘延飞,何燕辉,姜柯,张薇.  计算机工程与应用. 2018(20)
[2]融合颜色特征的核相关滤波器目标长期跟踪算法[J]. 柯俊敏,洪亲,蔡坚勇,李楠,欧阳乐峰,郭升挺.  计算机系统应用. 2018(04)
[3]采用核相关滤波器的长期目标跟踪[J]. 杨德东,蔡玉柱,毛宁,杨福才.  光学精密工程. 2016(08)

硕士论文
[1]视觉目标跟踪算法及其CUDA优化加速研究[D]. 谭飞杨.西安电子科技大学 2017
[2]基于KCF的目标跟踪算法改进及GPU系统实现[D]. 刘金花.西安电子科技大学 2017
[3]图像压缩中小波变换的GPU高速优化方法研究[D]. 杨丹丹.西安电子科技大学 2011



本文编号：3665168