面向相关滤波目标跟踪的快速目标自适应空间正则化方法研究

发布时间：2024-02-14 04:21

　　空间正则化相关滤波方法具有较高的准确性和较好的鲁棒性,因此在视频目标跟踪领域得到了广泛的应用。对比目前现有相关滤波方法,空间正则化的引入解决了传统方法边界效应的影响从而实现了性能的提升。但是,空间正则化相关滤波方法存在两个方面的缺点。第一,空间正则化的引入造成了计算复杂度的提升,这导致跟踪算法不能满足实时跟踪的要求。第二,传统空间正则化相关滤波方法使用的人工设定的空间正则化权重矩阵,他没有包含到目标外形信息并且在跟踪过程中不能随着目标外形的变化而变化。这导致跟踪算法在多变的场景下跟踪准确性下降。本文针对空间正则化方法的两个缺点,提出了快速目标自适应空间正则化方法。首先,我们优化了滤波器的求解方法,使得我们能够快速在时域和频域中求解滤波器。然后,我们通过数据驱动的方式学习到包含目标信息的目标自适应空间正则化权重矩阵,它可以帮助更好地学习一个有区分力的滤波器。方法的有效性在目标跟踪数据集OTB-2015和VOT-2016上得到了验证。在OTB-2015数据集中,相比于空间正则化相关滤波方法,我们的方法取得了5倍的速度提升并且在跟踪成功率和准确率方面取得了3.7%和3.3%的效果提升。在VO...

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状及其发展
    1.3 视频目标跟踪难点分析
    1.4 本文主要研究内容及结构安排
        1.4.1 论文主要研究内容
        1.4.2 论文结构安排
第2章 视频目标跟踪相关理论
    2.1 引言
    2.2 相关滤波理论
        2.2.1 传统相关滤波方法
        2.2.2 空间正则化相关滤波方法
        2.2.3 改进相关滤波方法
    2.3 基于深度学习的目标跟踪理论
        2.3.1 在线更新目标跟踪算法
        2.3.2 离线训练目标跟踪算法
    2.4 本章小结
第3章 快速目标自适应空间正则化相关滤波
    3.1 引言
    3.2 快速空间正则化
    3.3 目标自适应空间正则化
        3.3.1 目标自适应空间正则化的离线训练
        3.3.2 目标自适应空间正则化的在线更新
    3.4 算法跟踪框架
        3.4.1 使用特征介绍
        3.4.2 算法初始化
        3.4.3 目标特征更新
        3.4.4 目标检测
    3.5 算法复杂度分析
    3.6 本章小结
第4章 实验结果与性能分析
    4.1 实验设置
        4.1.1 基准算法
        4.1.2 参数设定
    4.2 目标跟踪数据集
        4.2.1 OTB数据集
        4.2.2 VOT数据集
    4.3 对比试验与结果分析
        4.3.1 与基准算法的对比试验
        4.3.2 与现有主流算法的对比试验
        4.3.3 可视化结果
        4.3.4 消融实验
    4.4 实验结论
第5章 总结与展望
    5.1 本文工作总结
    5.2 工作展望
参考文献
发表论文和参加科研情况说明
致谢



本文编号：3897730