基于检测的目标跟踪算法研究
上海交通大学硕士学位论文
目录
基于检测的目标跟踪算法研究 .................................................................I 摘要.............................................................................................I ABSTRACT ........................................................................................I I 1绪论.. (1)
1.1 研究背景及意义 (1)
1.2 目标跟踪算法综述 (2)
1.2.1基于运动信息的目标跟踪 (2)
1.2.2基于在线学习的目标跟踪 (3)
1.2.3检测跟踪融合的多目标跟踪算法 (4)
1.3 本文的主要研究内容与章节安排 (5)
2学习型主要跟踪方法介绍 (6)
2.1 引言 (6)
2.2 代表性跟踪算法介绍及实验效果 (6)
2.2.1 On-line boosting算法 (6)
2.2.2 TLD跟踪算法 (10)
2.2.3 Real-Time Compressive Tracking (11)
2.2.4 Struck: Structured Output Tracking with Kernels (14)
2.3 算法的性能分析 (15)
2.3.1定性分析 (15)
2.3.2实验分析 (16)
2.4 本章小结 (18)
3基于区域学习和结构约束的目标跟踪算法 (19)
3.1 区域的选择 (19)
3.2 结构关系描述 (21)
3.3 跟踪及在线学习机制 (22)
3.3.1在线学习策略 (23)
3.3.2利用结构关系建立整体跟踪模型 (23)
3.4 模型的在线更新 (25)
III
万方数据
上海交通大学硕士学位论文
3.5 算法的跟踪效果评估 (25)
3.6 本章小结 (29)
4结合检测的动态行人跟踪算法 (30)
4.1 引言 (30)
4.2 算法描述 (30)
4.3 行人检测算法 (32)
4.3.1特征描述 (33)
4.3.2分类器 (34)
4.4 基于数据联想的实时多目标跟踪算法 (37)
4.4.1运动模型 (38)
4.4.2数据联想 (40)
4.4.3外观模型 (41)
4.5 实验与算法效果评估 (44)
4.5.1目标出现与目标消失 (46)
4.5.2目标位置的确定 (47)
4.5.3目标跟踪效果 (48)
4.5.4行人计数 (50)
4.5.5算法实时性 (53)
4.6 本章小结 (54)
5总结与展望 (55)
5.1 全文工作总结 (55)
5.2 研究工作展望 (56)
参考文献 (58)
致谢 (64)
攻读硕士学位期间已发表或录用的论文 (65)
IV
万方数据
1 绪论
1.1研究背景及意义
模式识别，是人类感知外界事物的方式。我们希望机器也能够像人类一样，能够感知这个世界，可以在复杂环境，多维信息输入的情况下，融合、理解各方
面的信息，然后做出合理的决策。如果机器可以感知世界，那么机器人或是智能
工具能够给人类的生活带来很大的变化，极大的丰富和便利人们的生活。如今，
随着语言识别和计算机视觉相关技术的发展，部分智能产品已经运用到人民的生
活当中，如智能语音助手，指纹解锁、人脸识别技术等。但是，还有很多的技术
难题亟待解决，在复杂的场景中，机器往往无法做出正确的决策。
计算机视觉作为模式识别的一大分支，它是研究机器理解图像、感知视觉信息的一门学科。这里的视觉信息主要指相机或摄像机获取的图像或视频信息。计
算机视觉研究的重点主要集中在三个方面，一是物体的检测，在图像或视频流中，标记出感兴趣的目标，如在图像中检测出车辆、行人等；二是目标的描述，对机
器来说获取的图像是一个像素矩阵，研究者需要观察、研究、计算出能够表征特
定物体的信息，在这里我们称之为特征；三是目标的跟踪，在图片序列中选定特
定的目标，在后续图像帧中，跟踪感兴趣的目标。本文的研究重点为目标跟踪。
目标跟踪是计算机视觉中非常重要的一环，广泛应用于多个场景，如视频监控领域、人机交互、医学手术导航等。在图像序列中，选定感兴趣的目标，初始
化目标的状态信息（位置、尺寸等），跟踪的目的是在后续的图片序列中，估计目
标的状态信息。如图1-1所示，为一个典型的跟踪场景——视频监控。在第一帧
图像中，确定感兴趣的目标，这里为行人。在后续的图像序列中跟踪目标，确定
目标的位置和尺寸。对目标跟踪的研究工作已经持续了几十年，取得了巨大的进
展。但是到目前为止，它仍然是一个十分具有挑战的课题。许多因素影响着跟踪
算法的准确率，如光照变化，目标本身的形变，摄像头抖动，目标的部分或完全
遮挡等。目前还不存在一个完美的算法，能够处理上述所有的问题，一个跟踪算
法一般有它适宜的应用场景。
1
万方数据