[自然科學(xué)]基于視頻的運(yùn)動目標(biāo)檢測與跟蹤技術(shù)研究-資料下載頁
2025-01-04 22:28本頁面
【正文】 采用極大后驗邊緣準(zhǔn)則 (Maximum Posterior Marginals, MPM)求取概率上最優(yōu)的標(biāo)記場 ，每個標(biāo)記變量 的值按 下式計算： 1:? a r g m a x ( | 。 )uu u t txx P x I ?? ? ?ux1:( | 。 )u t tP x I ? ?其中 用 LBP (Loop Belief Propagation)算法計算得到 。 在 線 訓(xùn) 練模 型 參 數(shù)目 標(biāo) 定 位C R F 標(biāo) 記 模 型標(biāo) 記 場M e a n S h i f t目 標(biāo) 定 位特 征 空 間選 擇目 標(biāo) 尺 度更 新建 立 似 然 圖 像第 t幀輸 出目 標(biāo) 模 型 更 新跟蹤算法流程圖 實驗結(jié)果 混淆背景 實驗結(jié)果 部分遮擋 本文算法 文獻(xiàn) [41] [41] Collins, R. and Y. Liu, OnLine selection of discriminative tracking features. IEEE Pattern Analysis and Machine Intelligence, 2022. 27(10): p. 16311643. 實驗結(jié)果 本文算法 文獻(xiàn) [41] 目標(biāo)尺度變化 ? 1. 視頻運(yùn)動目標(biāo)檢測 ? 基于背景模型的運(yùn)動檢測 ? 2. 視頻單目標(biāo)跟蹤 ? 目標(biāo)表示模型的建立 ? 特征空間選擇，模型更新，漂移問題 ? 3. 視頻多目標(biāo)跟蹤 ? 數(shù)據(jù)關(guān)聯(lián)，目標(biāo)之間的相互遮擋 主要研究工作 概率多目標(biāo)跟蹤算法 ?數(shù)據(jù)關(guān)聯(lián) ：在觀測數(shù)據(jù)和目標(biāo)之間建立起對應(yīng)關(guān)系 ?狀態(tài)估計 ：每個目標(biāo)根據(jù)其對應(yīng)的觀測進(jìn)行狀態(tài)估計 與單目標(biāo)跟蹤相比，多目標(biāo)跟蹤增加了數(shù)據(jù)關(guān)聯(lián)問題。多目標(biāo)跟蹤的過程可以劃分為以下兩個階段： ?最近鄰算法 ?聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)濾波器（ JPDAF） ?多假設(shè)跟蹤算法（ MHT） ? 數(shù)據(jù)關(guān)聯(lián)方法 為了處理多目標(biāo)跟蹤中的不確定性，近年來，基于貝葉斯理論的方法被大量應(yīng)用于視頻多目標(biāo)跟蹤問題，這些方法在貝葉斯理論框架下，將多目標(biāo)跟蹤問題轉(zhuǎn)化成一個推斷目標(biāo)狀態(tài)最大后驗概率的過程。 ? 為每個目標(biāo)分配一個單目標(biāo)跟蹤器，相互獨(dú)立地跟蹤每個目 標(biāo)，通過設(shè)計一些特殊的方法來處理目標(biāo)之間的交互和遮擋 問題。 ? 通過提高目標(biāo)狀態(tài)空間的維數(shù)，構(gòu)造出包含所有目標(biāo)的聯(lián)合 狀態(tài)空間，并在構(gòu)造的空間中估計所有目標(biāo)的聯(lián)合狀態(tài)。 ?目標(biāo)狀態(tài)估計 維數(shù)災(zāi)難問題 √ 貝葉斯框架下有兩類方法 : 跟蹤問題可以看成是一個動態(tài)系統(tǒng)的狀態(tài)估計問題，對動態(tài)系統(tǒng)的分析和推斷一般需要建立狀態(tài)空間模型。 t 1 1f ( , )t t t???x x vtxt表示 時刻的目標(biāo)狀態(tài)（如目標(biāo)的位置，速度，尺度等） ?觀測方程 h ( , )t t t t?z x ntz t時 間1t?z1t?x tztx 1t?z1t?x1t ?t 1t ?觀 測 值系 統(tǒng) 狀 態(tài)貝葉斯濾波跟蹤 ?狀態(tài)轉(zhuǎn)移方程 表示 時刻的目標(biāo)觀測 貝葉斯濾波的基本原理就是在所有已知信息的基礎(chǔ)上，推斷系統(tǒng)狀態(tài)變量的后驗概率密度分布。針對視頻跟蹤問題，貝葉斯濾波就是從所有得到的圖像觀測數(shù)據(jù) ，推斷出當(dāng)前時刻（時刻 ）目標(biāo)狀態(tài)的后驗概率分布 1:()t ? ???1tz z z t1:( | )ttp xz? 預(yù)測 (prediction) ? 更新 (updating) 更 新 0()px 0z 00( | )p x z1z 10( | )p x z11( | )p x z預(yù) 測 更 新 預(yù) 測kz1( | )kkp x z ?( | )kkp x z更 新 預(yù) 測??? 21( | )p x z 1( | )kkp x z?貝葉斯濾波跟蹤 ?卡爾曼濾波器 ?網(wǎng)格濾波器 ?粒子濾波器 粒子濾波算法本質(zhì)上是利用一組帶有權(quán)值的隨機(jī)樣本近似描述系統(tǒng)狀態(tài)的后驗概率密度，進(jìn)而可以估計目標(biāo)的狀態(tài)向量。 11{ , }??it Nx11{ , }??iitt wx1{ , }?it Nx11{ , }??it Nx{ , }iittwx①②③④內(nèi)容提要 ? 1. 研究背景 ? 2. 主要研究工作 ? 3. 總結(jié)創(chuàng)新處 ? 4. 進(jìn)一步研究的內(nèi)容 內(nèi)容提要 ? 1. 研究背景 ? 2. 主要研究工作 ? 3. 總結(jié)創(chuàng)新處 ? 4. 進(jìn)一步研究的內(nèi)容 ? 多攝像機(jī)下的運(yùn)動目標(biāo)檢測與跟蹤 ? 完全遮擋或是長時間遮擋問題 ? 復(fù)雜場景中一些極端條件下的多目標(biāo)跟蹤問 題，如目標(biāo)特別密集，目標(biāo)分辨率非常低等 需進(jìn)一步研究的內(nèi)容 The End！ 謝謝大家！
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1