题目	摘要	作者学校年份
基于边框回归的尺度自适应视觉目标跟踪_褚芦涛	本文探索基于边框回归的目标跟踪技术，主要研究工作和创新性成果如下：为解决目标跟踪中频繁出现的尺寸变化问题，提出了基于加权多通道边框回归的尺度跟踪方法，通过多尺寸采样进行数据增广，训练可适应物体形变的边框回归器，结合相关滤波的定位功能实现更加精细化的目标跟踪。为更好地利用多通道特征，将原始单通道边界框回归理论推广到多通道情形。并提出了一种训练样本的权重函数，合理地利用时间先验信息，基于该权重函数推出加权多通道边框回归理论。同时提出一种衡量多尺寸采样策略的多样性的度量——尺寸差异度，基于该度量研究了采样策略的多样性对于跟踪性能的影响。	中科院2019
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_周梦涵	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。	北邮2019
基于多分类器融合的长期目标跟踪算法研究_戴伟聪	受限于相关滤波器内在的边界效应、高风险的更新策略以及在线训练存在的稳定性-可塑性窘境，单一的相关滤波器在许多情况下都无法满足实际应用的需求。因此，本文重点研究通过多分类器融合的方式来解决相关滤波器的缺陷以实现在多种复杂情况下对目标的准确跟踪。 标准的相关滤波器由于使用循环样本训练岭回归分类器产生了内在的边界效应。针对相关滤波器的边界效应，本文利用颜色直方图特征对变形与分辨率不敏感的优点，构建一个基于颜色直方图的贝叶斯分类器以准确跟踪低分辨率、快速变形等场景下的目标，并通过集成学习的方式在相关滤波器的基础上加权集成贝叶斯分类器，通过优势互补的方式缓解边界效应的负面影响。随后着眼于缺乏颜色信息的灰度视频序列，提出了一种基于局部敏感直方图的贝叶斯分类器。最后提出了一种高置信度更新策略以防止贝叶斯分类器与相关滤波器的模型学习腐坏样本而导致漂移。定量和定性的实验证明，本文所提出的解决方法均在不同程 度上提升了跟踪算法的性能。 现有的相关滤波器与贝叶斯分类器因为在线更新而存在的稳定性-可塑性窘境以及为快速适应目标的变化而使用的高风险更新策略，导致目标遭遇严重遮挡移出视野等跟踪场景后，跟踪模型将快速漂移。针对在线分类器的高风险更新策略，本文根据在线分类器的响应峰值与其历史均值的关系，通过提升优质样本的权重，降低劣质样本的权重来提高分类器的性能，提出一个随样本质量自适应调整的学习率模型。最后为解决在线更新存在的稳定性-可塑性窘境，本文通过将基础跟踪算法与在线软间隔支持向量机共同组成重检测模块提出了一种辅助重检测方法。经过大量的实验验证，本文所提出的基于多分类器融合的长期目标跟踪算法在目标遭遇快速运动、严重遮挡、移出视野等情况时，均能可靠准确地跟踪目标。	中科院2019
基于改进SIFT的目标实时跟踪算法_胡跃	本 文 的 应 用 场 景 是： 在 增 强 现 实 Ａ Ｐ Ｐ 中，以 上 传 的 公 司ｌ ｏ ｇ ｏ 或 员 工 名 片 作 为 目 标 图 片 ， 在 视 频 中 对 目 标 图 片 进 行 实 时 追 踪， 并 且 在 目 标 图 片 上 方 叠 加 公 司 信 息。 本 文 针对 目 标 物体 在 跟 踪 过 程 中 可 能 发 生 部分 遮 挡、目 标 尺 度 变 化 的 情 况 进 行 了 深 入 研 宄。 （ １ ） 提 出 了 改 进 的 Ｓ Ｉ Ｆ Ｔ  （ 尺 度 不 变 特 征 变   换 ） 目 标 检 测 算 法 ， 确 定 目 标物 体 的 初 始 位 置 和 追 踪 窗 口 。 Ｓ Ｉ Ｆ Ｔ 算 法 优 化 点 如 下： 首先， 根 据本 文 算 法 的 特 定 场 景 ， 改 进 了 筛 选 特 征 点 的 规 则， 降 低 计 算复杂 度 并 维持 算 法 准 确 性； 其 次， 用 Ｆ Ｒ Ｅ Ａ Ｋ 描 述 子 代 替Ｓ Ｉ Ｆ Ｔ 描 述 子， 降 低 向 量 维 度 ； 最 后， 提 出 聚 类 特 征 树 算 法 以 改  进 特 征 匹 配过程， 减 少 运 算 时 间。 （ ２ ） 改 进 了 金 字 塔 Ｌ Ｋ 光 流 法 ， 利 用 目 标 物体 的Ｓ Ｉ Ｆ Ｔ 特 征 点 计 算光流 矢 量 ， 降 低 了 计 算 时 间 同 时 提 高 了 准 确 性。 （ ３ ） 提 出 了一套 动 态 更 新Ｓ Ｉ Ｆ Ｔ 特征 点 集 和 特 征 点 权 值 的 规 则， 在 目 标 发 生 部 分 遮 挡 时 提高算法 鲁棒 性。	北邮2019
基于核相关滤波的多目标追踪_刘欢	提 出 将 单 目 标 追 踪时具有快 速 优 势 的 核相关滤 波 应 用于多 目 标 追 踪。以 期在 考 虑 追 踪 速 度 的 同 时 ， 能 够 保 证 较 髙 的 追 踪准确 性 。 （1）通 过 实 验 发 现 在 进行 多 目 标 追 踪 时 ， 追 踪 结 果 并 不 理 想， 这 是 因 为 核 相关滤波算法不 支持 多 尺 度。为 了 克 服 该 问 题， 本 文 通 过 计 算检 测 目 标 框 和 预 测 目标框的 交 并 比 方 式 进 行 解 决 ， 对 于 符 合 要 求 的 目 标 使 用 检 测 目 标 框 代 替 核相 关 滤 波 预 测 框 。 （2）追 踪 结 果 关联 。 对 于 第 （ ２ ） 部 分 的 交 并 比 计 算 ， 实 际 是一 批 检 测框 与 一 批 预测 框 的 匹 配 关 联 ， 本 质 是 任 务 分 配 的 最 优 解 问 题 ， 本 文 采 用 匈 牙利算 法 确 定 目 标 间 的 最 优 关 联 。 （3）目 标 重 现 判 断 。 在 目 标 追 踪 的 过 程 中 会 出 现 目 标 短 暂 消 失 又 复 现 的 情 况 ， 为 了 提 高 模 型对 此 类 问 题 的 处 理 能 力 ， 提 出 使 用 目 标 相 似 性判断方 法 对 出 现 的“新 目 标” 进 行 相 似性 判 断 ， 如果相似性 小 于 特定范围 就 判 定 为 同一 个目 标	大连海事2019
基于核相关滤波的视频目标跟踪算法研究_贺业梅	对KFC算法的改进	西安科大2019
基于深度学习的密集人流量统计研究与应用_沈爽	本 文 研 宄 的 内 容 是 基 于 深 度 学 习 的 密 集 人 流 量 的 统 计 。 利 用 Ｙ ０ Ｌ ０ ｖ ３算 法 实 现 行 人 检 测 ， 使 用 Ｄ ｅ ｅ ｐ Ｓ ｏ ｒｔ 跟 踪 算 法 实 现 局部 区 域 的 跟 踪， 采 用 双 线 法 实 现 门 口 密 集 人流 量 统 计 ， 将 出 入 人 数 存 入 数 据库进 行 存 储 记 录 ， 最后 设 计 并实 现 了 密 集 人 流 量 统 计 系 统 在 商 场 中 的 应 用 实 例。	大连海事2019
基于深度学习的视频人脸检测和目标跟踪_周伟	本文主要研究了非限制性条件下人脸检测算法，基于现有的检测算法进行改进优化，同时基于现有的目标跟踪算法进行性能提升，并且通过人脸检测、目标跟踪以及卷积神经网络的相关的技术知识学习与总结，完成了大量基于卷积神经网络的人脸检测与识别、目标跟踪的实验，并将所研究的算法运用到实际的安防产品中去，并在工程方面不断优化。 1）设计出快速精准的检测网络 2）研究了基于元递归神经网络的目标跟踪算法，根据长短时记忆记忆 网络结合时空上下文信息，将连续视频序列的信息联系起来，通过元学习，学习初始化参数增强模型对于未来帧的鲁棒性 3）设计了在复杂场景下基于人脸识别与目标跟踪的安防系统：本文设计了一个具有人脸检测、人脸识别、目标跟踪、存储数据，实时报警以 及区域轨迹展示的多功能安防系统。	山东工商2019
基于相关滤波的目标跟踪算法的研究_李松玥	（1）针对目标在复杂场景中发生外观变化如遮挡、形变和光照变化等，本文在时空上下文算法的基础上，提出了一种基于颜色特征和尺度自适应的时空上下文算法。由于现有的目标跟踪方法大多忽略了目标周围的背景信息，本文提取目标及其局部上下文区域的背景信息描述目标。时空上下文算法使用最简单的灰度特征提取目标的特征，这种特征忽略了目标的其他信息，本文对颜色和灰度特征进行加权融合，可以更加准确地提取目标特征。接着利用提取的特征构建空间上下文模型，使用空间上下文模型对下一帧的时空上下文模型进行更新并计算置信图，以置信图中的最大值处作为估计的目标位置。 （2）为了解决跟踪器在模型更新时出现更新错误及模型漂移的情况，本文提出一种尺度自适应的模型更新方案。由于目标在每一帧中都可能发生尺度变化，本文将前几帧中目标的尺度进行平均，并根据估算的尺度更新下一帧的尺度及模型，使得估计更加准确。另外，提高估计尺度时选取的视频帧数的频率，从而提高跟踪的精确度。 （3）针对目标在复杂场景中发生尺度变化导致跟踪失败的问题，本文提出基于一种基于位置和尺度估计的目标跟踪算法。算法的跟踪器由两个相关滤波器组成，分别对目标运动轨迹和目标尺度进行估计。结合估计的位置和尺度对目标的位置和尺度模型进行更新。	中北大学2019
基于相关滤波的目标稳定跟踪技术研究_吴昭童	第一，为了解决核相关滤波跟踪算法在跟踪时的尺度估计问题，提出了一种尺度自适应的核相关滤波跟踪算法，该算法将目标跟踪任务分解成两大块：目标位置求解和目标尺度求解，均需要通过正则化最小二乘分类器学习得到相关滤波器：位置滤波器求得目标位置信息，尺度滤波器求得目标尺度信息。然后根据跟踪结果分别对两个滤波器进行更新。实验结果表明，该算法能较好地解决目标尺度变化问题。 第二，针对核相关滤波跟踪算法在遮挡情况下跟踪不稳定的问题，提出了一种抗遮挡的核相关滤波跟踪算法。该算法主要通过响应图的峰值旁瓣比和相关峰平均能量来判断目标是否被遮挡，如果被遮挡，就不更新模板参数。这样可以抑制遮挡对模型的影响，实现遮挡情况下跟踪算法的稳定跟踪。实验证明，该算法对遮挡情况具有较好的稳定性。 第三，为了解决单一 HOG 特征对目标的描述能力弱，导致跟踪器在复杂环境中跟踪能力弱的问题，提出了一种基于特征融合的核相关滤波跟踪算法，加入了一种基于贝叶斯定理的颜色统计特征。该算法先用基于颜色统计特征和 HOG 特征的跟踪器分别进行目标跟踪，然后在决策层将两个跟踪结果相融合，得该跟踪算法能够适应目标形变、光照变化、运动模糊等等复杂情况。实验表明颜色统计特征的加入明显提高了跟踪系统的稳定性。	中科院2019
基于相关滤波器的目标跟踪算法研究_王译萱	(1)在经典算法 DCF 的基础上，利用学习得到的二值矩阵作为局部约束掩膜，对模板信息进行裁剪，使滤波器的能量只集中于目标区域，对循环样本带来的边界效应进行有效抑制，从而提升跟踪结果的精确度和鲁棒性。 (2)在 MDCF 算法的基础上，利用L2 范数作为时序一致模型对相邻帧的滤波器模板进行约束，使当前帧目标模板信息与历史帧信息尽可能保持一致，缓解算法因训练样本污染导致的滤波器退化问题，增强算法的抗干扰能力 3）目标特征类型的选择一定程度上影响着算法的跟踪结果，为了进一步提升跟踪结果的精确度和鲁棒性，在第四章提出的 TCSP 算法框架下，利用数据集测试和比较了 6 种传统特征和 4 种深度特征对跟踪结果的影响，进一步提升了算法的跟踪精度。	江南大学2019
基于循环神经网络的目标检测与跟踪系统研究与实现_张雅姝	（1）为 了 有效 地 缩 小 候 选 区 域 的搜索范 围 ， 同 时 减 少 目 标 跟 踪 性 能 对 目 标 检 测 性 能 的 依 赖 性 ， 提 出 了 基 于 长 短 期 记 忆 网 络 （Ｌ Ｓ Ｔ Ｍ ） 的 方 向 预 测 模 型， 用 来 确 定 物 体 运 动 状 态， 帮 助 用 于 目 标 检 测 的 感 兴 趣 区 域 的 确 定。通 过 实 验 验 证， 相 比 于 其 他 的 跟 踪算法，本 文 的 跟 踪算 法 对 帧 间 的 时 序 信 息 利 用 的 比 较 充 分 ， 使 得 本 文 提 出 的 算 法 无 论 是 精 度 还 是 速 度都有一定 的 优 势。 同 时，本 文 提 出 的 基 于 运 动 方 向 预 测 的 目 标 检 测 与 跟 踪 算 法 对 于 目 标 尺 度 发 生剧 烈变 化 的 场 景 更 加鲁棒。 (2)为 了 进一步 减 少 对 目 标 检 测 性 能 的 依赖性以 及 加 快 跟 踪算 法 的 速 度 ， 在 基 于 循 环 神 经 网 络 的 目 标 检 测 与 跟 踪 算 法 的 基础 上 ， 提 出 了一种 自 适 应 的 检 测 机 制 ， 通 过 将 相 关 滤 波 与 深 度 学 习 结 合 ， 实 现 了不 逐 帧 检 测。实 验 结 果 表 明 ， 使 用 相 关 滤波 思 想 的 方 法 对 提 升 跟 踪 性 會 巨 、 减 小 对 目 标 检 测 的 依 赖 以 及 提 升 跟 踪 速 度有所帮 助。同 时， 本 文 提 出 的 基 于 自 适 应 检 测 的 目 标 跟 踪 算 法 对 于 Ｐ 标 被 部分 遮 挡 的 场景更加鲁 棒。 (3)基 于 本文 提 出 的 基 于 循 环 神 经 网 络 的 目标检测 与 跟 踪 算 法， 设 计 并 实 现 了一套 可 交 互 的 目 标 检 测 与 跟 踪 系 统。 验 证 了 本 文 提 出 的 目标 检 测 与 跟 踪 算 法 可 以 应 用 到 实 际 的 复 杂 场 效 中， 木 文 设计 和 实 现 的 交 互 系 统 具有一定 的 实 用 价 值， 因 此 本文 研 宄 的 内 容 具 有 广 泛 的 研 究 意 义 和应 用 价 值 。	北邮2019
结合相关滤波与深度网络的多尺度目标跟踪_袁越	本文针对上述问题，结合相关滤波与深度学习的目标跟踪算法，从遮挡判断，特征的选取以及跟踪尺度变化等方面进行研究，主要工作如下： (1) 提出一种具有遮挡检测的尺度自适应目标跟踪算法。传统的卷积神经网络不具备残差结构，其深层特征缺失细节信息，难以应对光照变化、目标遮挡等挑战。同时，相关滤波算法在目标被遮挡时，利用背景进行更新，降低了算法判别能力。因此，本文算法首先使用残差网络提取鲁棒性更强的目标特征，将不同层次特征得到的响应图采用 AdaBoot 算法加权融合，提升跟踪精度；然后，提出基于遮挡判断的更新策略，在判断目标被遮挡时不进行更新操作，提高算法在遮挡情况下的鲁棒性。最后，算法使用尺度滤波器对目标尺度变化进行跟踪。本文算法在光照变化、目标遮挡和尺度变化等情况能够准确跟踪目标。 (2) 提出一种基于孪生网络的多尺度实时跟踪算法。DCFNet 算法将相关滤波框架转化为神经网络中的一层嵌入到网络中，形成了端到端的框架，速度能够达到实时，但其仅使用单层网络特征，即最后输出一层特征，在保证跟踪速度的同时也限制了算法的鲁棒性和准确性。本文算法将浅层卷积层与深层卷积层，共同结合相关滤波层进行训练，并对不同特征使用不同的标签，使得网络能够提取使用鲁棒的特征；然后，将不同特征计算得到的响应图，通过计算置信度得到权重，加权融合响应图，达到对特征进行选择，提升算法对不同情况的鲁棒性；算法运用多尺度采样的方式，将多个尺度的候选区域联合成一个批次输入网络，自 适应跟踪目标的尺度。本文算法在复杂场景下准确地跟踪目标，并且速度达到实时。 (3)本文算法在 OTB、VOT 数据集上进行验证，与当前主流算法进行对比，实验结果表明，本文算法提高了在目标被遮挡、运动模糊以及尺度变化等情况下的成功率与精度，并且基于孪生网络的多尺度实时跟踪算法能够在实时的速度下运行。	南昌航空2019
跨摄像机行人跟踪方法研究与实现_周婧琳	本文主要研究跨摄像机行人跟踪方法，包括行人检测、运动目标跟踪和行人再识别等部分，同时设计并实现了跨摄像机行人跟踪软件。具体工作如下： （1）在行人检测方面，实现了基于 HOG 特征的行人检测方法与基于 Faster R-CNN 的行人检测方法，并使用 Caltech 数据集对这两种方法进行评测，从特征提取效率、行人检测效率与准确性等方面进行对比分析。实验结果表明，前者在运算效率尤其是特征提取效率方面占优，而后者在准确性上表现更佳。 （2）在运动目标跟踪方面，提出了一种改进的 ECO 跟踪方法。该方法针对 ECO 跟踪方法在目标旋转、发生遮挡等场景下易出现跟踪框漂移的问题，提出了一种跟踪效果在线评估方法，并基于评估优化了滤波器的更新策略。首先，基于高效卷积操作融合 HOG特征与多通道颜色特征，并对特征矩阵进行降维处理；然后，将特征矩阵送入滤波器进行相关运算，搜索相关性最大的区域，定位运动目标；最后，基于相关响应分布评估当前帧的跟踪效果，并根据评估结果监督相关滤波器的更新。在 OTB-50 和 OTB-100 数据集上的对比实验表明，该方法的跟踪准确率分别达到 88.4%和 84.7%，成功率分别达到84.1%和77.8%，在强光、遮挡、旋转等多种场景下性能均有提升，鲁棒性较好。 (3)在行人再识别方面，提出了一种基于角度匹配与部件分割的行人再识别方法。该方法针对传统基于部件的行人再识别方法角度适应性较差的问题，在人体部件分割与特征融合环节进行了优化。首先，使用卷积神经网络实现人体关键点提取、部件分割与角度分析；然后，基于人体角度将查询样本与候选图像进行匹配，在不同的匹配关系下分别训练特征融合网络；最后，使用三元组损失函数进行度量学习，得到适用于行人再识别的网络模型。在 Market-1501 数据集上的对比实验表明，该方法的 1 选识别正确率（Rank-1）和平均精度（mAP）分别达到 87.85%和 70.62%，准确性较高。	公安大学2019
跨摄像头目标跟踪技术研究_许二敏	本文首先对单摄像头场景下的目标跟踪技术进行研究，然后对具有浅重叠区域的跨摄像头目标匹配技术进行研究。主要研究工作如下： （1）针对核相关滤波器目标跟踪算法在多种复杂跟踪场景中算法性能下降的问题，本文提出改进方案：(1)为了解决单一的梯度直方图特征无法满足多种跟踪场景需求的问题，提出了结合梯度直方图特征和颜色特征来描述目标的方法；(2)为了解决该算法不适用于目标尺度变化的跟踪场景，提出了结合尺度滤波器自适应调整目标尺度大小的方法；(3)为了解决该算法在跟踪过程中存在的模型漂移，提出了一种基于响应峰值的跟踪失败检测机制，自适应调整模板更新策略。改进的算法在VOT数据集上进行测试，实验结果表明，该算法整体跟踪准确率提高12%，帧率每秒提高 13 帧。 （2）针对具有浅重叠区域的跨摄像头目标匹配问题，本文首先分析了一种准确求取单应性矩阵的方法，然后利用求得的单应性矩阵基于目标中线进行单应性投影映射。(1)由于四对特征点为计算单应性矩阵的最低要求，所以本文比较了使用四对点和八对点求取的单应性矩阵准确性；(2)为了降低算法计算复杂度，本文将目标抽象为线性模型进行单应性投影映射来完成目标匹配。该算法在 PETS2009数据集上进行测试，实验结果表明，使用八对点计算的单应性矩阵准确率更高，同时基于目标中线的目标匹配准确率达到 80%。 (3)	重庆邮电2019
融合目标先验知识的目标跟踪策略研究_王华东	本文提出一种融合目标先验知识的目标跟踪策略。主要分为以下2部分： （1）目标先验知识的获取。在视觉目标跟踪过程中，视频序列 第一帧会标注本视频序列需要跟踪的目标，这时可以充分挖掘标注目标的信息，作为先验知识。 （2）融合目标先验知识的视觉目标跟踪策略到现有算法。在判断出跟踪目标框开始远离跟踪的目标时，利用目标先验知识进行目标二次搜索，最终提高现有视觉目标跟踪算法的性能。 本文将提出的融合目标先验知识的目标跟踪策略应用到基于压缩感知理论的CT算法、早期的相关滤波算法MOSSE以及近期的BACF算法中，通过在主流视觉目标跟踪数据集OTB2013和OTB2015上的对比实验进行实验验证，并且对实验结果进行定性和定量分析，验证融合目标先验知识的目标跟踪策略的有效性和鲁棒性。	内蒙古2019
深度学习及深度强化学习在视频目标跟踪中的应用研究_石亚倩	（1）系 统 全 面 的 综 述 了 深 度 学 习 及 深 度 强 化 学 习 在 视 频 目 标 跟 踪技 术 中 的 研 宄 现 状 并指 出 了 各 类 方 法 的 优 缺 点 。 首 先 ， 针 对 现 有 的 依 赖 于 离线 训 练 的 深 度 学 习目 标 跟 踪 算 法 在在线 跟 踪 过 程 中 精 度 和 速 度 相 互 制 约 的 问 题， 按 照 不 同 的 解决 思 路， 将 其 分 为有在线 微 调和 无 在 线 微 调 的 深 度 学 习 跟 踪 两 大 类 ， 并分 析 了 各 类 方 法 的 优缺 点 。 其 次， 针对 现 有 的 深 度 强 化学 习 目 标 跟 踪 算 法 ， 按 照 强 化 学 习 的 不 同 作 用，将 其 分 为 以 强 化 学 习 决 策 目 标 位 置的 跟 踪和 以 强 化 学 习 预 测 目 标 位 置 的 跟 踪两大 类 ，并 对 其 进 行 了 总 结 分 析 。 (2)针对利 用 非 跟 踪 数 据 集 离 线训练 的 深 度学 习 跟 踪 器 在 复 杂 环 境下 跟踪 精 度不 足 的问 题， 研宄 并 实 现 了 直 接 利 用 跟 踪 数 据 集 离 线训练 卷积 神 经 网 络 的 视 频 目 标 跟 踪。首 先 ，构 建 多 分 支 卷 积 神 经 网 络，其 包 括 通用特征 层 和 特 定 特 征 层。 其 次 ， 利 用 多 域 学 习 的思想 对 网 络 进 行 离 线 训 练 ， 主 要 目的 是 利用 通 用特征 层 从 所 有 训 练 视 频 序 列 中 提 取目 标的 通 用特征 表 达。最 后，将 提 取 到 的 通用 目标 特征 表 达 用 于 目 标 的 在 线 跟 踪。实 验 将 基于积 神 经 网 络 的 视 频目标 跟 踪算法 （ 与４种 主 流 的 跟 踪 算 法 、进行 对比评估。在 ＯＴＢ ５ ０ 数据 集 上 基 于 整 体 性 能 和 基 于 属 性 性 能 的 定 量 实 验结 果 以 及 在4个 存 在 于 真实场景的 视 频 序列 上 的 定 性实 验结 果 表明， 利用 跟踪 数据 集 进 行 离线 训 练 的 深度学 习 视 频目标 跟踪 算 法 在 复 杂 环 境下具 有 更 高 的 跟 踪 精 度。 （3）对 视 频目标 跟 踪 技术 中 跟 踪 速度和 跟 踪精度 相 互 制约 的 问 题， 研宄 并 实 现 了  	西安理工2019
运动目标的稳定跟踪算法研究_张星	1. 研究了相关滤波(CF)算法框架和数学原理，简述了 CF 框架的后续研究及发展现状。 2. 研究了基于 CF 框架的经典算法核相关滤波（KCF，Kernel Correlation Filtering）跟踪算法，为了解决 Fhog 特征空间分辨率不足的问题，提出了频域插值的方法，改善了 KCF 在跟踪运动物体时轨迹的“锯齿现象”，并借鉴 SAMF 提出的尺度池方法对 KCF 进行了多尺度跟踪扩展。 3. 为了解决跟踪前的目标自动捕获和跟踪中的目标重新检测问题，研究了YOLO 目标检测算法，制作了四旋翼无人机数据集，并以此训练 YOLO 无人机目标检测模型。 4. 融合检测及跟踪算法，并在 Jetson-TX2 平台上部署，实现目标的自动捕获及跟踪过程中的重新检测。 5. 本文对所有的算法均做了实验验证，提供所有源代码。	中科院2019