視頻監(jiān)控中的運(yùn)動(dòng)車輛目標(biāo)跟蹤技術(shù)研究是智能交通系統(tǒng)（Intelligent Transportation Systems ITS）的一個(gè)非常重要的課題。近年來(lái),國(guó)內(nèi)外眾多學(xué)者對(duì)車輛目標(biāo)跟蹤進(jìn)行了大量的研究,但是由于車輛自身的復(fù)雜變化,包括車輛快速運(yùn)動(dòng)、車輛尺度變化、車輛旋轉(zhuǎn)、姿態(tài)變化和車輛受相似物干擾、車輛部分甚至全部遮擋等;以及復(fù)雜的外部環(huán)境,如攝像頭移動(dòng)、抖動(dòng)和惡劣的雨雪天氣等,使得車輛目標(biāo)的準(zhǔn)確跟蹤仍然存在諸多難點(diǎn),本文針對(duì)這些難點(diǎn)問(wèn)題展開(kāi)了研究。具體完成的研究工作如下:（1）針對(duì)車輛尺度變化、車輛旋轉(zhuǎn)及形變等干擾,本文引入SIFT特征對(duì)車輛進(jìn)行特征提取。SIFT特征對(duì)車輛遠(yuǎn)近變化、姿態(tài)變化、尺度縮放、光照變化有較強(qiáng)魯棒性,所以SIFT特征可以有效解決目標(biāo)的旋轉(zhuǎn)、縮放、平移,為車輛跟蹤提供很好的特征支持。但是傳統(tǒng)的SIFT特征跟蹤不能區(qū)分前景和背景,極多的匹配特征集中在背景上,導(dǎo)致跟蹤目標(biāo)丟失。通過(guò)研究現(xiàn)有車輛跟蹤算法,本文提出了一種基于SIFT特征與Grab Cut算法的車輛跟蹤,在SIFT特征跟蹤的基礎(chǔ)上引入了Grab Cut提取前景的跟蹤方法。實(shí)驗(yàn)表明,該方法在日間攝像機(jī)不... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)簡(jiǎn)述
    1.4 車輛目標(biāo)跟蹤技術(shù)簡(jiǎn)述
    1.5 車輛目標(biāo)跟蹤的主要難點(diǎn)
    1.6 本文主要研究?jī)?nèi)容概述
第二章 車輛目標(biāo)跟蹤相關(guān)圖像處理技術(shù)及算法概述
    2.1 引言
    2.2 圖像灰度化
    2.3 二值化
    2.4 數(shù)學(xué)形態(tài)學(xué)
    2.5 圖像顯著特征提取
        2.5.1 圖像顏色特征
        2.5.2 圖像紋理特征
        2.5.3 圖像形狀特征
    2.6 目標(biāo)跟蹤相關(guān)技術(shù)
        2.6.1 Meanshift算法
        2.6.2 Kalman濾波
        2.6.3 TLD算法
    2.7 本章小結(jié)
第三章 基于SIFT特征與GrabCut算法的目標(biāo)跟蹤方法
    3.1 引言
    3.2 SIFT算法
    3.3 GrabCut算法
    3.4 基于SIFT特征與GrabCut算法的車輛跟蹤方法
        3.4.1 基于幀差法的目標(biāo)車輛檢測(cè)
        3.4.2 基于GrabCut算法的目標(biāo)車輛前景提取
        3.4.3 基于BIRCH聚類的目標(biāo)車輛中心及縮放比例估計(jì)
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 各跟蹤算法與本文算法比較
        3.5.2 本文算法耗時(shí)分析
    3.6 本章小結(jié)
第四章 改進(jìn)的TLD目標(biāo)跟蹤方法
    4.1 引言
    4.2 基于Meanshift與Kalman的當(dāng)前幀目標(biāo)所在區(qū)域預(yù)估
    4.3 基于顏色特征分類器
    4.4 改進(jìn)的綜合模塊
    4.5 實(shí)驗(yàn)結(jié)果與分析
        4.5.1 本文算法跟蹤準(zhǔn)確性分析
        4.5.2 本文算法耗時(shí)分析
    4.6 本章小結(jié)
第五章 交通違法監(jiān)測(cè)系統(tǒng)的實(shí)現(xiàn)
    5.1 引言
    5.2 交通違法監(jiān)測(cè)系統(tǒng)功能簡(jiǎn)介
    5.3 攝相機(jī)標(biāo)定
    5.4 交通違法監(jiān)測(cè)
        5.4.1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)
        5.4.2 參數(shù)設(shè)置模塊
        5.4.3 車輛檢測(cè)模塊
        5.4.4 車輛跟蹤模塊
    5.5 實(shí)驗(yàn)結(jié)果與分析
        5.5.1 本文系統(tǒng)實(shí)驗(yàn)數(shù)據(jù)
        5.5.2 本文系統(tǒng)實(shí)驗(yàn)結(jié)果分析
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 未來(lái)工作展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文
    攻讀碩士學(xué)位期間發(fā)表論文情況
    攻讀碩士學(xué)位期間參加科研項(xiàng)目情況


【參考文獻(xiàn)】：
期刊論文
[1]一種新的基于ViBe的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 胡小冉,孫涵.  計(jì)算機(jī)科學(xué). 2014(02)
[2]改進(jìn)后的TLD視頻目標(biāo)跟蹤方法[J]. 周鑫,錢秋朦,葉永強(qiáng),王從慶.  中國(guó)圖象圖形學(xué)報(bào). 2013(09)
[3]一種基于TLD改進(jìn)的視覺(jué)跟蹤算法[J]. 程立英,張丹,趙姝穎,薛定宇.  科學(xué)技術(shù)與工程. 2013(09)
[4]基于UKF與SIFT的車輛跟蹤算法研究[J]. 蔣慶斌,王浩,趙力.  計(jì)算機(jī)測(cè)量與控制. 2012(10)
[5]一種結(jié)合Grabcut的Vibe目標(biāo)檢測(cè)算法[J]. 邱禎艷,王修暉.  中國(guó)計(jì)量學(xué)院學(xué)報(bào). 2012(03)
[6]融合角點(diǎn)特征與顏色特征的Mean-Shift目標(biāo)跟蹤算法[J]. 宋丹,趙保軍,唐林波.  系統(tǒng)工程與電子技術(shù). 2012(01)
[7]基于特征點(diǎn)的運(yùn)動(dòng)汽車跟蹤算法研究[J]. 王進(jìn)花,曹潔.  電氣自動(dòng)化. 2011(06)
[8]交通車輛輪廓跟蹤算法研究及其工程應(yīng)用[J]. 高韜,劉正光,張軍,楊正瓴.  應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào). 2010(02)
[9]基于幾何特征點(diǎn)的擴(kuò)展目標(biāo)跟蹤方法[J]. 樊志華,王春鴻,吳明軍.  光電工程. 2009(10)
[10]一種魯棒的多特征融合目標(biāo)跟蹤新算法[J]. 王歡,王江濤,任明武,楊靜宇.  中國(guó)圖象圖形學(xué)報(bào). 2009(03)



本文編號(hào)：3082129