相关跟踪论文_王殿伟,许春香,刘颖

导读:本文包含了相关跟踪论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:目标,特征,滤波器,尺度,算法,卷积,样本。

相关跟踪论文文献综述

王殿伟,许春香,刘颖^[1]（2019）在《基于多特征融合的核相关滤波目标跟踪算法》一文中研究指出为提高复杂背景下目标跟踪的精度和鲁棒性,提出一种多特征融合的核相关滤波目标跟踪算法。在海量无关图片训练集上得到深度模型,使用目标跟踪视频序列对其进行微调;从模型中提取多层深度线性特征并进行插值运算,同时提取图像序列的方向梯度直方图特征和颜色名特征;将得到的特征图通过核相关滤波计算相应的相关响应图;融合各个响应图,寻找最大响应值以确定目标位置。在OTB和VOT标准数据集上的实验结果表明,该模型具有较高的识别精度,能够在背景斑杂、光照变化、目标遮挡和变形等复杂环境下长期稳定地跟踪目标。(本文来源于《计算机工程与设计》期刊2019年12期）

甘志英,王江^[2]（2019）在《基于相关滤波器的视频跟踪算法与仿真》一文中研究指出为解决视频跟踪中目标旋转、形变、光照等导致目标丢失问题,提出了一种相关滤波器跟踪算法,该算法利用局部信息,对目标多次训练获取滤波器,再经相关运算对目标位置进行估计,并在线实时更新滤波器。仿真实验表明,该算法具有快速、简单、鲁棒等特点,能够实现对运动目标的实时跟踪。(本文来源于《唐山学院学报》期刊2019年06期）

欧阳城添,汤懿^[3]（2019）在《基于高斯混合模型的核相关滤波目标跟踪算法》一文中研究指出针对目标跟踪中的尺度变化、旋转、遮挡等问题,提出基于高斯混合模型的核相关滤波目标跟踪算法。利用卷积神经网络提取卷积特征并建立目标外观的高斯混合模型,利用核相关滤波算法检测目标位置,使用多尺度、多形状跟踪方法精确定位目标,在线更新高斯混合模型和核相关滤波器。在公开数据集上进行定量和定性分析,并与多种跟踪算法比较,该算法的距离精度和重迭精度相比核相关滤波算法,分别提高了19%、54%。实验结果表明,采用高斯混合模型和多尺度、多形状跟踪方法,较好解决了外观和尺度变化问题,相比其它算法具有更好的鲁棒性和适应性。(本文来源于《计算机工程与设计》期刊2019年11期）

张红颖,王汇叁,胡文博^[4]（2019）在《基于双模型的相关滤波跟踪》一文中研究指出为解决因边界效应导致相关滤波跟踪算法不够稳健及其不能适应尺度变化的问题,提出了一种基于双模型的相关滤波跟踪算法。将目标跟踪分为位置预测和尺度预测两部分,在位置滤波器模型进行位置预测阶段,先通过对待测样本进行样本增强处理,使得到的样本更符合实际场景。再通过交替方向乘子法进行位置滤波器的迭代求解,最后得到估计的目标位置。在尺度滤波器模型进行尺度预测阶段,通过在估计的目标位置处构建多尺度金字塔来训练尺度滤波器,再求解得到目标的尺度,将双模型得到的结果作为最终的跟踪结果。最后通过引入一个遮挡判据来判断是否更新模型以提高算法的鲁棒性。实验表明,改进算法和经典的相关滤波跟踪算法相比,在跟踪成功率上提高了18%,在跟踪精度上提高了11%。在目标被遮挡、自身尺度变化时,改进算法仍能稳定跟踪。(本文来源于《光学精密工程》期刊2019年11期）

刘鹏,赖惠成,王俊南,王睿^[5]（2019）在《基于相关滤波的改进Staple人脸跟踪算法》一文中研究指出在基于相关滤波的目标跟踪算法Staple的研究基础上,针对相关滤波在处理目标人脸消失、遮挡、脱离镜头时跟踪框漂移问题,本文提出一种自适应置信度机制的人脸跟踪算法.先通过人脸检测确定首帧人脸位置,再对相应位置的人脸的HOG特征与颜色特征进行提取,并预留两者特征,利用视频首帧提取的特征进行跟踪置信度判断,及时对融合特征进行更新.设计并实现了能够克服目标人脸位置移动、消失和表情姿态变化的人脸跟踪算法.实验表明,本文改进较前人算法有较大的提升.(本文来源于《新疆大学学报(自然科学版)》期刊2019年04期）

吴涤,彭力^[6]（2019）在《结合学习速率调整的尺度自适应核相关滤波跟踪算法》一文中研究指出提出一种结合学习速率调整的尺度自适应核相关滤波目标跟踪算法。通过使用核相关滤波器获得目标的初步位置,使用低复杂度的尺度估计来提高算法对目标发生尺度变化的适应能力,同时也保证了跟踪速度;采用相邻两帧图像之间的平均差分析图像变化,并按平均差的大小来分段调整目标模型的学习速率,解决了目标发生严重遮挡时的跟踪失败问题。通过和5种经典的目标跟踪算法进行实验对比,结果表明:所提算法能够很好地适应目标发生尺度变化、严重遮挡、背景干扰等复杂环境,同时具有231帧/s的实时跟踪速度。(本文来源于《传感器与微系统》期刊2019年11期）

廖家才,曹立波,夏家豪,张晓,吴强^[7]（2019）在《基于核相关滤波和运动模型的多目标轨迹跟踪》一文中研究指出在自动驾驶系统中,基于视觉的车辆前方多目标检测和轨迹跟踪能够为前方目标的姿态估计、行为分析提供有效信息。针对协同运动信息和核相关滤波跟踪信息的多目标跟踪的不足,使用卷积神经网络YOLOv2检测目标,提出了融合核相关滤波和目标运动信息的多目标轨迹跟踪方法,目的是将运动信息融入到图像特征跟踪容器中,优化运动模型,减少环境噪声造成的目标跟踪丢失、偏离。提出了基于运动信息改进核相关滤波跟踪尺度不变性算法。建立了多目标的检测跟踪容器,提出了结合目标属性、重合度、运动状态、跟踪状态的多目标匹配方法。实验表明,本文算法能够实现一定场景下的多目标的持续实时轨迹跟踪,平均有效跟踪率为92.5%。(本文来源于《汽车工程》期刊2019年10期）

陈应应,梁鉴如^[8]（2019）在《基于核相关滤波器的未标记AGV目标跟踪算法》一文中研究指出传统的KCF跟踪算法利用FHOG特征对目标进行描述训练分类器从而实现预测跟踪,当出现的光照变化、目标与背景颜色相似、目标尺寸变化等问题,易发生跟踪结果不准确甚至目标丢失。因此,本文提出了基于Kalman滤波的KCF跟踪算法。首先,使用HOG特征和HSV颜色特征描述要跟踪的运动目标。其次,在跟踪过程中,引入了自适应尺度估计的方法。最后,本文提出的改进的跟踪算法将KCF框架与Kalman滤波器进行融合,获取视频第一帧目标信息后先用Kalman算法预测运动目标的位置,根据预测的目标位置对KCF算法的分类器进行训练,再使用KCF算法得到的检测结果更新Kalman滤波器,确定视频序列下一帧中目标的位置。在实验室采集的AGV数据集上对改进的算法进行了多次测试,在目标发生光照变化、快速运动、尺寸变化等复杂情况下,本文算法有较强的鲁棒性。(本文来源于《智能计算机与应用》期刊2019年05期）

孙紫君,黄福珍^[9]（2019）在《基于改进核相关滤波算法的目标跟踪》一文中研究指出针对核相关滤波算法仅使用一种特征表达进行目标追踪,使其在一些场景中跟踪效果不佳的问题,提出了一种多特征融合的核相关滤波跟踪方法。采用31维的方向梯度直方图特征、58维的局部二值模式特征和1维的灰度特征进行融合。该算法选择在特征层进行特征融合,先将方向梯度特征和局部二值模式特征并联融合,再将融合后的特征串联融合灰度特征,形成新的特征表达。在OTB(Object Tracking Benchmark)数据集上进行了测试,结果表明,该算法具有更好的跟踪效果。(本文来源于《上海电力学院学报》期刊2019年05期）

陈灿,陈昭炯,顾杨,叶东毅^[10]（2019）在《尺度感知的分块协同式相关滤波跟踪算法》一文中研究指出基于分块的相关滤波跟踪算法在处理目标尺度变化和遮挡问题时,对局部子块跟踪状态的评估及局部子块与尺度变化的关系刻画不够准确.针对此问题,文中提出尺度感知的分块协同式相关滤波跟踪算法.首先提出结合时序平滑约束的局部子块遮挡判别方法,改进现有算法的评分策略.设计子块协同运动策略,使被遮挡或形变的子块跟随未被遮挡的子块趋向正确的位置.同时发现跟踪过程中子块聚散变化的分布位置与目标尺度之间的比例关系,实现对目标尺度变化的感知和大小估计.实验表明,文中算法性能较优.(本文来源于《模式识别与人工智能》期刊2019年10期）