面向安防视频监控的视觉目标跟踪方法研究
过去，由于设备运算能力不足，安防视频监控系统在部署视觉跟踪算法时，往往采用牺牲算法性能的策略来提升运行速度，使得现有技术难以对目标进行精准跟踪和安全预警。为此，本文旨在安防视频监控系统中研究设计兼顾性能和速度的视觉目标跟踪算法来解决上述问题。 相对于安防视频监控中现存的视觉跟踪算法，基于孪生网络的视觉跟踪算法具有更高的精度和鲁棒性，能够根据任务的不同准确跟踪各种目标，更能满足安防视频监控的需求。因此，本文选择在基于孪生网络的视觉目标跟踪框架下，从如何提高算法跟踪性能和降低算法复杂度两个方面进行研究，分别提出了一种基于自适应搜索范围调整的孪生网络跟踪算法和一种轻量级孪生网络跟踪算法。本文的主要工作概括如下： (1)研究了利用时空特征融合的运动模型来优化跟踪算法搜索范围的应用。针对搜索范围内搜索中心易受到余弦窗惩罚而偏离真实目标的问题，提出了将基于循环神经网络的运动模型与相关滤波响应图相结合的搜索中心优化策略；针对搜索范围内无法包含过大位移目标的问题，提出了基于帧间速度运动模型的搜索尺寸优化策略。实验结果表明，这两种搜索范围优化策略可以有效提升基于孪生网络的跟踪算法在复杂安防场景中的性能。 (2)研究了孪生网络轻量化处理对跟踪算法移动端部署的影响。通过对比训练过程中算法骨干网络轻量化处理前后的处理图片速度、训练难易程度、模型大小和跟踪成功率，验证了轻量化孪生网络跟踪算法在安防部署中的适用性；通过对比移动端部署过程中算法压缩加速处理前后的推理时间和运行内存占用，验证了最适合轻量化孪生网络跟踪算法在安防部署中的压缩加速方法。实验结果表明，经过轻量化处理的孪生网络，虽然在跟踪性能上有一定的下降，但是在速度、运行内存占用上却得到了极大地提升，能够满足安防部署的精确性和实时性要求。
安防监控;视觉目标跟踪;孪生网络跟踪算法;搜索范围
河北工程大学
硕士
信息与通信工程
王超
2022
中文
TP391.41
2023-08-22（万方平台首次上网日期，不代表论文的发表时间）