导读:本文包含了单目标跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:红外目标跟踪,多特征,卷积网络,相关滤波
单目标跟踪论文文献综述
宋建锋,苗启广,申猛,权义宁,陈毓生[1]（2019）在《多特征融合的相关滤波红外单目标跟踪算法》一文中研究指出针对红外单目标跟踪问题,提出一种多特征的相关滤波目标跟踪算法。该算法融合了图像的卷积特征和差分特征,使用卷积特征和差分特征分别训练相关滤波模型。在跟踪阶段,对两种特征的相关滤波模型得到的响应图动态融合,利用动态融合的响应图来确定目标的最终位置,使用得到的目标位置分别更新相关滤波模型。在林雪平热红外数据集上进行了实验验证,与一些经典的跟踪算法进行了对比,表明该算法拥有更高的跟踪准确率。(本文来源于《西安电子科技大学学报》期刊2019年05期）
周梦涵[2]（2019）在《基于多层视觉线索融合的单目标跟踪算法研究与系统实现》一文中研究指出在计算机视觉领域中,视觉目标跟踪技术因其在智能监控、场景理解、机器人导航等众多领域的广泛应用,受到学术界和工业界的重点关注。然而,目标对象形变、旋转、运动模糊、尺度变化以及场景中的光照变化、遮挡、相似物干扰、摄像机抖动等复杂多变的因素都使得目标跟踪任务颇具挑战。因此,研究更具鲁棒性和准确性的目标跟踪算法仍然是行业难点。本文针对目前流行的相关滤波跟踪算法存在的问题,通过采用有效的多层视觉线索融合的视觉表征方式以解决复杂挑战场景中单目标跟踪的准确性与稳定性问题。主要成果如下:为有效减少目标跟踪框内背景噪声对目标建模的影响,解决常见的相关滤波跟踪算法所采用的整体滤波模板鲁棒性不足的问题,本文结合多层视觉线索的优势进行模型构建,提出了一种超像素约束的相关滤波跟踪算法。在中层视觉线索构建中,本文提出了一种新颖的像素级置信度特征来表征超像素,提升了目标外观建模的准确性。并且,采取的样本去杂提纯操作以及超像素回归方式获取了更加准确有效的前景分割,减轻了跟踪过程中经常出现的形变、遮挡、背景噪声等复杂情况带来的问题。该算法在众多数据集上表现优秀。为缓解相关滤波跟踪算法经常出现的“预测目标漂移到非物体背景”这一问题,本文提出了一种双层模型来分别感知目标的外观特征和物体特性。在第一层中,通过进行时间连续性回归和可靠性回归的联合建模来完成有效信息获取和可靠性判断。在第二层中,通过采用一种涉及时空约束的简单策略,获得目标相关的物体推荐,有效改善了样本构建情况。并且,基于有效的训练样本以及结构化输出的支持向量机,本研究构建得到了可靠的物体级别分类器,能够选出更具区分力的支持向量来更好地区分目标物体和其他物体推荐。实验结果表明,与最先进的其他算法相比,该算法能够取得更优的跟踪精度,提升了跟踪有效性。(本文来源于《北京邮电大学》期刊2019-06-05）
张亚琴[3]（2019）在《视频序列中的单目标跟踪算法研究》一文中研究指出近年来,很多地方都在争创“全国文明城市”,首要任务是要保证该地方的安全,所以建设“平安城市”成为了实现“全国文明城市”的关键需要。如今,在大街小巷、政府企业以及一些公共场合都能看到各种各样的摄像头,而视频智能处理可以将人类从复杂操作中“解放出来”,自动处理摄像机捕捉到的视频信息,并及时做出响应。因此视频智能处理系统的需求越来越显着,然而,目标跟踪技术作为该系统中的一个重要部分,要设计出一种实时、精确的跟踪器成为了研究的热点和难点。本文通过特征表示、更新模型和集成策略叁个模块对跟踪的效果进行研究和评测。提出了自适应的基于上下文的目标跟踪算法和融合得分图的基于孪体网络的目标跟踪算法。随着相关滤波的提出,目标跟踪的效果得到了很大的提升,然而很多经典的算法中只是考虑到跟踪对象的信息,忽略了跟踪对象周围的背景信息和其本身信息之间的关联性。有研究者提出了上下文的模型,但是采用了单一的特征来表达目标,模型的学习速率固定不变,不能很好的适应目标的外观变化。针对这一不足,提出了多特征的融合策略,利用梯度直方图和颜色属性特征,与图像的灰度值融合来表达目标,同时根据上下两帧中目标位置的差异性来更新学习速率,从而使得模型适应于目标的变化。通过实验结果分析可以看出,相比于传统算法的精确度,本文算法的跟踪性能得到了很大的提升,尤其对受严重遮挡和背景信息极为相似的视频序列。大多数的相关滤波都采用了视频序列的第一帧在线训练,存在样本数量少而且在线训练需要耗费很多时间的问题。深度学习的引入成为解决该问题的关键方法。基于孪体网络的目标跟踪算法,采用相似性的思想来实现跟踪的任务。其采用卷积网络来提取目标特征,仅仅利用一个得分图来预测目标位置,丢弃了其他得分图的信息。针对以上不足,本文研究深度特征在目标跟踪中的影响,充分利用每个得分图中所含的信息,对不同搜索区域所得到的得分图采取加权融合处理,最终能够更加准确的预测出目标的位置。整个跟踪阶段采用端到端离线训练、在线跟踪的方式。通过实验结果分析,相比于传统算法,本文所提算法在跟踪效果的鲁棒性上得到了很大的提升,并且跟踪速度也得到了一定的改善。(本文来源于《新疆大学》期刊2019-06-01）
李明杰,冯有前,尹忠海,周诚,董方昊[4]（2019）在《一种用于单目标跟踪的锚框掩码孪生RPN模型》一文中研究指出针对孪生区域候选网络(RPN)易受干扰且目标丢失后无法跟踪的问题,引入锚框掩码网络机制,设计一种新型孪生RPN模型。设置多尺度模板图片,并将其与目标图片进行卷积操作,实现全图检测以避免目标丢失。通过对前叁帧图片的IOU热度图进行学习,预测连续帧目标锚框掩码,简化计算并排除其他目标干扰。在VOT2016和OTB100数据集中的实验结果显示,该模型对VOT2016数据集检测帧率达到24.6 frame/s,预期平均覆盖率为0.344 5,对OTB100数据集的检测准确率和成功率分别为0.862和0.642。基于摄像头采集数据的目标丢失及干扰测试表明,该模型具有良好的抗干扰性与实时性。(本文来源于《计算机工程》期刊2019年09期）
何嘉俊,宋亚男,陈永康,徐荣华,殷李华[5]（2019）在《复杂背景下基于孪生结构的单目标跟踪网络的改进研究》一文中研究指出针对单目标跟踪中出现的复杂背景可能会导致目标丢失的情况设计了一个新的网络结构,该网络主要针对孪生结构网络不能很好地处理跟踪中出现的复杂背景而导致目标丢失,比如目标快速运动,目标遮挡等。该网络在孪生结构网络的基础上,引入了通道注(本文来源于《电子世界》期刊2019年05期）
王林茜,胡晓曦,韩勋,匡银,杨新权[6]（2019）在《单目标跟踪技术发展研究》一文中研究指出随着机动目标定位与跟踪技术广泛应用于军事和民用领域,研究更为快速、准确的跟踪算法具有十分重要的意义。目标运动模型、跟踪算法和跟踪模型结构是机动目标跟踪技术的叁项主要研究内容,文章介绍了这叁项技术的研究进展及发展方向。目前,对各种经典模型的组合和改进是目标运动模型的主要研究方向,通过分析并比较工程中常用的卡尔曼滤波、扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波的优缺点,探究了它们的不同适用场合及进一步研究方向。详细分析了叁代多模型跟踪算法的原理和适用场合,这对研究更为先进的单目标跟踪技术,进一步提高跟踪精度和整体性能,具有一定的参考价值。此外,文章还提出了机动目标跟踪算法的几个发展趋势:将变结构多模型算法与目标实际运动场景结合起来,广泛应用于工程实践中;探索无需依赖于基础模型集合的模型机自适应变化方法;考虑将智能控制理论与变结构多模型跟踪算法互相结合。(本文来源于《空间电子技术》期刊2019年01期）
李珂,王瑞,宋建强[7]（2019）在《基于卡尔曼滤波的雷达单目标跟踪算法研究》一文中研究指出随着科技的发展,雷达对目标跟踪的精确度要求越来越高。但在实际应用中,系统所处的环境会受到各种各样的干扰,此时,卡尔曼滤波器凭借其优良的噪声处理能力而被应用到各种领域,是现阶段雷达跟踪中最常用的算法。文章在卡尔曼滤波算法的基础上,就如何将其应用于雷达目标跟踪系统的问题进行了研究与仿真;分析了卡尔曼滤波与常增益滤波的适用范围及优缺点;给出了极坐标系下卡尔曼滤波的计算及过程噪声方差的获取方法;最后以目标仿真结果证明了估计的有效性。文章定性、定量地对卡尔曼滤波在雷达单目标跟踪算法中的应用情况进行了分析,明确指出了算法的优良性能及局限性,实际应用时也可以对目标进行分段处理。该算法可直接应用于某些单目标跟踪系统,或与其他算法结合,用于多目标跟踪系统,如道路监测雷达系统等。(本文来源于《空间电子技术》期刊2019年01期）
邱晓荣[8]（2018）在《基于超像素的单目标跟踪算法研究》一文中研究指出超像素能够降低图像的冗余信息,减少图像后续处理的复杂度,已受到了国内外学者的广泛关注。为了降低运动目标跟踪过程中受内外因素影响而发生漂移的概率,本文提出了一种单目标跟踪算法。首先分析了运动目标跟踪算法和超像素分割算法的概念原理和发展现状,然后基于SLIC超像素分割算法和粒子滤波算法构建运动目标跟踪算法。本算法能够较好地实现判别式跟踪,具有较好的鲁棒性和准确性。(本文来源于《电脑知识与技术》期刊2018年32期）
宫海洋,任红格,史涛,李福进[9]（2018）在《基于改进粒子滤波的稀疏子空间单目标跟踪算法》一文中研究指出针对单目标跟踪问题,提出基于改进粒子滤波的稀疏子空间单目标跟踪算法。在改进的粒子滤波中提出将样本分为正、负和过渡样本,减小粒子退化带来的影响,通过仿真实验验证改进粒子滤波器可提高目标跟踪的鲁棒性。仿照人眼视觉神经系统,将稀疏子空间引入粒子滤波中,建立一个稀疏最优化模型,获得稀疏矩阵,稀疏子空间有针对性地对目标进行聚类,得到聚类中心位置实现目标跟踪。经过在相同视频序列实验与基本粒子滤波同mean-shift算法目标跟踪的实验对比可知,单目标跟踪的快速性和鲁棒性得到了很大提高。(本文来源于《现代电子技术》期刊2018年13期）
李玉华[10]（2018）在《基于单目标跟踪算法的发音自动校准系统设计》一文中研究指出传统发音校准系统存在英语发音校准准确率低的问题,采用单目标跟踪算法设计发音自动校准系统,利用UNIX风格子程序对自动校准系统硬件框架进行构建,遵循内高聚合原则分析数据资源提取模块流程。针对英语发音信息采集需利用模拟数字信号转换来提高数据采样效率,对发音校准引擎A/D电路进行设计。采用单目标跟踪算法提取相关特征,并形成逻辑层。开发嵌入式内核结构,研究语音识别代码。通过实验验证可知,该系统英语发音校准准确率高,对发音纠正能力较强。(本文来源于《现代电子技术》期刊2018年13期）
单目标跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在计算机视觉领域中,视觉目标跟踪技术因其在智能监控、场景理解、机器人导航等众多领域的广泛应用,受到学术界和工业界的重点关注。然而,目标对象形变、旋转、运动模糊、尺度变化以及场景中的光照变化、遮挡、相似物干扰、摄像机抖动等复杂多变的因素都使得目标跟踪任务颇具挑战。因此,研究更具鲁棒性和准确性的目标跟踪算法仍然是行业难点。本文针对目前流行的相关滤波跟踪算法存在的问题,通过采用有效的多层视觉线索融合的视觉表征方式以解决复杂挑战场景中单目标跟踪的准确性与稳定性问题。主要成果如下:为有效减少目标跟踪框内背景噪声对目标建模的影响,解决常见的相关滤波跟踪算法所采用的整体滤波模板鲁棒性不足的问题,本文结合多层视觉线索的优势进行模型构建,提出了一种超像素约束的相关滤波跟踪算法。在中层视觉线索构建中,本文提出了一种新颖的像素级置信度特征来表征超像素,提升了目标外观建模的准确性。并且,采取的样本去杂提纯操作以及超像素回归方式获取了更加准确有效的前景分割,减轻了跟踪过程中经常出现的形变、遮挡、背景噪声等复杂情况带来的问题。该算法在众多数据集上表现优秀。为缓解相关滤波跟踪算法经常出现的“预测目标漂移到非物体背景”这一问题,本文提出了一种双层模型来分别感知目标的外观特征和物体特性。在第一层中,通过进行时间连续性回归和可靠性回归的联合建模来完成有效信息获取和可靠性判断。在第二层中,通过采用一种涉及时空约束的简单策略,获得目标相关的物体推荐,有效改善了样本构建情况。并且,基于有效的训练样本以及结构化输出的支持向量机,本研究构建得到了可靠的物体级别分类器,能够选出更具区分力的支持向量来更好地区分目标物体和其他物体推荐。实验结果表明,与最先进的其他算法相比,该算法能够取得更优的跟踪精度,提升了跟踪有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
单目标跟踪论文参考文献
[1].宋建锋,苗启广,申猛,权义宁,陈毓生.多特征融合的相关滤波红外单目标跟踪算法[J].西安电子科技大学学报.2019
[2].周梦涵.基于多层视觉线索融合的单目标跟踪算法研究与系统实现[D].北京邮电大学.2019
[3].张亚琴.视频序列中的单目标跟踪算法研究[D].新疆大学.2019
[4].李明杰,冯有前,尹忠海,周诚,董方昊.一种用于单目标跟踪的锚框掩码孪生RPN模型[J].计算机工程.2019
[5].何嘉俊,宋亚男,陈永康,徐荣华,殷李华.复杂背景下基于孪生结构的单目标跟踪网络的改进研究[J].电子世界.2019
[6].王林茜,胡晓曦,韩勋,匡银,杨新权.单目标跟踪技术发展研究[J].空间电子技术.2019
[7].李珂,王瑞,宋建强.基于卡尔曼滤波的雷达单目标跟踪算法研究[J].空间电子技术.2019
[8].邱晓荣.基于超像素的单目标跟踪算法研究[J].电脑知识与技术.2018
[9].宫海洋,任红格,史涛,李福进.基于改进粒子滤波的稀疏子空间单目标跟踪算法[J].现代电子技术.2018
[10].李玉华.基于单目标跟踪算法的发音自动校准系统设计[J].现代电子技术.2018