特征补偿的实时跟踪算法

发布时间：2025-04-23 05:03

　　计算机视觉一直以来都是一个热门的研究领域,近年来,得益于人工智能的飞速发展,这一领域取得重大突破,尤其是在图像识别、目标检测等领域的成绩更为突出。然而,不同于较为成熟的图像识别和目标检测,已经应用在许多现实场景中,目标跟踪领域虽然提出很多优秀的算法,取得差强人意的发展,但要满足实际应用的需求,仍存在诸多问题亟待解决。由于目标跟踪使用的视频序列拥有时间维度,在此过程中将面临如光照变化、物体形变、尺度变化、遮挡、出视野等不确定因素,这也成为研究目标跟踪算法要克服的难点。论文对基于相关滤波的跟踪算法和基于神经网络的跟踪算法进行了分析,提出一种基于特征补偿的跟踪算法,将基于相关滤波和基于神经网络的两种算法通过一个逻辑回归分类器结合,以解决前者复杂场景中效果不佳、长时间跟踪容易污染模板和后者速度过慢的问题。在简单的视频场景中使用简单且快速的特征,在复杂的视频场景中使用表现更为优秀但速度慢的卷积高层语义特征。首先,本文建立了以颜色直方图和方向梯度直方图为特征的相关滤波模型,以提升算法针对目标产生颜色和形状变化时的鲁棒性,以及算法速度;随后,建立一个神经网络跟踪模型,使用卷积神经网络提取高层语义特征,...

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

图1目标跟踪流程Fig.1Targettrackingprocess

图3-4搜索分支补偿注意力模型

南昌航空大学硕士学位论文第3章结合补偿注意力机制的实时跟踪算法31且均为每层最后输出的特征图。理论上对特征提取网络更深层的特征计算注意力既能避免特征冗余，又能减少计算量。本文做了大量实验验证这一论点，最终选择了conv3层、conv4层，图3-3所示证明了后两层的特征图更能区分目....

图1.7视觉测量系统

9系统由两台摄像机、外参校准棒、测量光笔、测量软件组成，其测量范围为1.5m-10m，长度测量的精度指标有±0.020mm/2.5m、±0.03mm/6m、±0.06mm/10m，如图1.7(b)。类似的高精度多目测量系统还有AICON3D公司的DPA系统、美国VisionRes....

本文编号：4041263