基于深度强化学习的目标跟踪方法的研究

发布时间：2023-04-08 22:08

　　目标跟踪问题是计算机视觉领域的重要研究课题之一。近几年深度强化学习理论在目标跟踪领域得到了一定的应用。本项课题分析了现有目标跟踪方法的几处不足,包括对于目标丢失的检测与恢复策略缺乏实验比较、只能给出与坐标轴垂直的目标框预测、以及超参数需要精细调节且不够灵活等,并进行了相应的实验对比或基于深度强化学习理论提出了改进方案。实验表明,本文提出设计的跟踪器在鲁棒性和精度等指标上相比基准跟踪器获得了一定程度的提高。本文主要研究内容和贡献有:(1)比较和分析了传统目标跟踪方法对于跟踪过程中目标发生丢失的跟踪情景的检测和恢复机制。结合TC128数据集上的一系列实验,对于目标丢失的检测问题,通过引入分类问题的评价标准,比较了基于相关性的方法、基于响应的APCE方法等方法在检测丢失上的有效性。对于目标丢失的恢复问题,比较了稠密采样、高斯分布采样、RPN网络等多种方法的有效性。并对以上方案给出了综合性分析。(2)分析了传统目标跟踪方法对于目标框旋转问题处理的不足。设计实现了一种基于强化学习的目标框旋转角度预测方法,通过使用PPO强化学习算法训练得到了一个动作预测网络,其接受视频帧采样样本的输入,产生目标框...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题背景与研究意义
    1.2 国内外研究现状
        1.2.1 基于相关滤波器的方法
        1.2.2 基于深度学习的方法
        1.2.3 基于深度强化学习的方法
    1.3 本文主要研究内容
第2章 目标丢失的检测与恢复
    2.1 模块化丢失检测与恢复算法框架
    2.2 目标丢失的检测方法
        2.2.1 基于相似性的方法
        2.2.2 平均峰值-相关能量方法
        2.2.3 最近邻距离率方法
    2.3 目标丢失的恢复方法
        2.3.1 扩大搜索区域方法
        2.3.2 全帧搜索方法
        2.3.3 候选区域生成方法
    2.4 实验比较与分析
        2.4.1 实现细节与测试数据集
        2.4.2 丢失检测方法的比较
        2.4.3 丢失恢复方法的比较
    2.5 本章小结
第3章 基于深度强化学习的目标框旋转角度预测方法
    3.1 跟踪框架
    3.2 训练数据集
    3.3 训练方法
    3.4 实现细节与实验结果分析
        3.4.1 VOT数据集实验评测
        3.4.2 跟踪视觉效果对比
    3.5 本章小结
第4章 基于深度强化学习的超参数调整方法
    4.1 超参数对于跟踪器性能影响实验
    4.2 基于深度强化学习的跟踪器超参数自适应调整框架
    4.3 跟踪过程
    4.4 训练过程
        4.4.1 训练数据集
        4.4.2 训练算法
        4.4.3 其它训练策略
    4.5 实验结果与分析
        4.5.1 OTB数据集实验评测
        4.5.2 OTB数据集基于视频属性的实验评测
        4.5.3 奖励函数评测
        4.5.4 VOT数据集实验评测
    4.6 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其他成果
致谢



本文编号：3786559