低亮度视频中的高精度目标跟踪算法研究

作     者：王泽远 

作者单位：福建师范大学 

学位级别：硕士

导师姓名：蔡荣太

授予年度：2021年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：低亮度图像增强 长时视觉跟踪 Graham算法 实例分割 相关滤波 

摘      要：视觉目标跟踪是计算机视觉的一个十分重要的组成部分,在国防安保、无人驾驶、运动分析等领域有着广泛的运用。因此,视觉目标跟踪算法不仅对日常生活,而且对于国家的公共安全等都具有十分重要的意义。但是随着目标跟踪的场景越来越复杂,其面临的挑战也是越来越严峻,现如今视觉目标跟踪主要有如下几个主要的挑战因素:目标被遮挡、目标形变、目标的快速运动、目标模糊、目标的尺度变换以及目标短时超出视野等。其中在低亮度场景下对目标进行高精度的跟踪也是一个十分严峻的挑战。在夜晚、阴天等照度不足的场合,诸如目标模糊、背景嘈杂等问题更为突出;目标和背景干扰的区分度下降,提取区分度大的视觉特征更加困难。如果再加上目标遮挡、形变和尺度变化等问题,跟踪问题将变得更为棘手。针对低亮度视频场景,本文首先利用Retinex技术对低亮度视频序列进行低亮度图像增强,以提高低亮度视频的图像质量,使得特征提取和目标跟踪更为容易。其次,本文利用Mask R-CNN的实例分割方法,对所要跟踪的目标的轮廓进行提取,由于提取出的轮廓是一个点集,又采用Graham算法将这个点集的最外层的点连接起来构成一个凸多边形,再对得到的凸多边形拟合成一个矩形,以此提高视觉目标跟踪的精度。最后,本文在相关滤波跟踪的基础上,引入了跟丢检测机制,使目标消失在视野中或者被严重遮挡之后,当目标再次出现在视野中时,跟踪器能够再次找到所要跟踪的目标,以达到长时目标跟踪目的。本文在OTB50、VOT16、UAV20L中进行实验,验证本文算法的有效性。与若干表现优秀的代表性跟踪算法比较,结果表明本文所提出的算法在低亮度场景下的跟踪精确度和跟踪成功率均优于对照算法。