复杂场景下多模型视频目标跟踪算法研究

目录

声明

致谢

主要符号对照表

1 绪论

1.1 选题背景与意义

1.2 国内外研究现状

1.2.1 视频目标跟踪研究的问题

1.2.2 视频目标跟踪的研究现状

1.2.3 视频目标跟踪的研究难点与挑战

1.3 论文研究内容

1.4 论文组织结构

2 视频目标跟踪理论基础

2.1 视频目标跟踪算法基础

2.1.1 基于贝叶斯滤波的视频目标跟踪算法

2.1.2 基于相关滤波的视频目标跟踪算法

2.1.3 基于孪生网络的视频目标跟踪算法

2.2 视频目标跟踪数据集

2.3 视频目标跟踪评价方法

2.4 本章小结

3 基于双层超像素和反馈机制的生成式跟踪方法

3.1 引言

3.2 基于双层超像素和反馈机制的生成式算法

3.2.1 基于双边滤波的视频序列预处理

3.2.2 基于粗粒度超像素的自适应目标表观模型

3.2.3 基于细粒度超像素的置信度图

3.2.4 观测和运动模型的构建

3.2.5 基于反馈机制的更新方法

3.3 跟踪算法流程设计

3.4 实验结果及分析

3.4.1 实验设置

3.4.2 噪声视频序列的跟踪实验

3.4.3 定量分析实验

3.4.4 定性分析实验

3.4.5 常用视频跟踪数据集上的实验结果

3.5 本章小结

4 基于多尺度超像素相关滤波的判别式跟踪方法

4.1 引言

4.2 基于多尺度超像素相关滤波的判别式算法

4.2.1 基于多尺度超像素的多核相关滤波器

4.2.2 颜色特征引导的置信度图

4.2.3 基于子候选样本的选择和组合策略

4.2.4 目标状态估计和监控更新策略

4.3 跟踪算法流程设计

4.4 实验结果及分析

4.4.1 实验设置

4.4.2 基本分析实验

4.4.3 常用视频跟踪数据集上的实验结果

4.4.4 自创评价标准及数据集上的实验结果

4.5 本章小结

5 基于多特征多跟踪器融合机制的混合式跟踪方法

5.1 引言

5.2 基于多特征多跟踪器融合机制的混合式算法

5.2.1 多特征的提取与比较

5.2.2 候选样本选择策略

5.2.3 决策和更新策略

5.3 跟踪算法流程设计

5.4 实验结果及分析

5.4.1 实验设置

5.4.2 基本分析实验

5.4.3 常用视频跟踪数据集上的实验结果

5.5 本章小结

6 基于辅助重定位和注意力抖动的深度跟踪方法

6.1 引言

6.2 基于辅助重定位和注意力抖动的深度算法

6.2.1 Shake-Shake正则化网络

6.2.2 带有注意力抖动层的孪生网络

6.2.3 辅助重定位分支

6.2.4 开关函数

6.2.5 网络的训练

6.3 跟踪算法流程设计

6.4 实验结果及分析

6.4.1 实验设置

6.4.2 基本分析实验

6.4.3 常用视频跟踪数据集上的实验

6.5 本章小结

7 总结与展望

7.1 工作总结

7.2 工作展望

参考文献

作者简历

攻读博士学位期间发表的学术论文

独创性声明

学位论文数据集