融合视觉记忆机制的目标跟踪策略研究

摘要

随着计算机视觉和人工智能的快速发展，人们的生活方式和居住的城市变得越来越智能化。近年来，随着智能视频监控技术在各种各样的城市智能服务中的广泛应用，视觉目标跟踪越来越受到人们的关注。然而，在实际应用中目标跟踪算法仍然面临着各种各样的挑战。其中主要问题在于在实际应用中需要面对很多复杂的场景，例如目标遮挡，光照变化，快速运动，自身的姿态变化等。除此之外，实际应用对跟踪算法实时性的要求也成为了现在需要解决的一个难题。因此，如何应对上述的挑战，成为了视觉目标跟踪中的重要研究课题。 当前的目标跟踪算法在性能方面仍与人类视觉系统有一定的差距。因此本文通过研究人类视觉系统的工作机理与机制，提出了视觉记忆机制跟踪策略并将其引入目标跟踪算法中去改进它们在遮挡、光照变化等复杂场景下的性能。本文主要研究内容如下： （1）通过模拟人类视觉的目标跟踪过程以及分析人类视觉在应对各种复杂场景下目标跟踪的工作机理，提出了视觉记忆机制的相关概念并且构建了视觉记忆机制模型。 （2）在视觉记忆机制模型的基础上，将人类视觉记忆机制融合到视觉目标跟踪算法中，构建了基于视觉记忆机制的目标跟踪算法框架。并选取相关滤波与Tracking-by-detection跟踪算法的典型代表，分别融合视觉记忆机制。 （3）在OTB2013和OTB2015这两个目前主流的视觉目标跟踪算法评价数据集上，分别对两个融合了视觉记忆机制策略的改进算法进行评价。最后通过定性分析和定量分析，验证本文提出的融合视觉记忆机制的目标跟踪策略的有效性。同时证明融合视觉记忆机制，可以将基础算法提升到state-of-the-art水平。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 视觉目标跟踪研究现状

1.3 视觉目标跟踪面临的挑战

1.4论文的研究内容和结构安排

第二章 相关工作

2.1 人类感知机制

2.2 相关滤波跟踪算法

2.3 Tracking-by-detection跟踪算法

2.4 本章小结

第三章 视觉记忆机制

3.1 视觉记忆机制概念

3.2 视觉记忆机制模型

3.3 视觉记忆机制与运动特性

3.4 本章小结

第四章 融合视觉记忆机制的跟踪策略

4.1 现有跟踪算法存在的问题

4.2 基于视觉记忆机制的特征联想跟踪策略

4.3 基于视觉记忆机制的特征记忆跟踪策略

4.4 融合视觉记忆机制的跟踪策略

4.5 本章小结

第五章 实验与分析

5.1 目标跟踪算法数据集与评价标准

5.2 改进相关滤波跟踪算法实验分析

5.3 改进Tracking-by-detection跟踪算法实验分析

5.4 对比state-of-the-art跟踪算法的实验分析

5.5 本章小结

第六章 总结与展望

6.1 工作总结

6.2 未来工作展望

致谢

参考文献

攻读硕士期间发表的学术论文