本文關(guān)鍵詞： 多特征融合 目標(biāo)跟蹤 粒子濾波 光照不變圖　出處：《西安電子科技大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的核心研究內(nèi)容,涉及人工智能、模式識(shí)別的前沿研究成果,在軍事武器、智能監(jiān)控、人機(jī)交互、虛擬現(xiàn)實(shí)等相關(guān)領(lǐng)域發(fā)揮著無可替代的作用。本文在學(xué)習(xí)經(jīng)典的粒子濾波跟蹤方法和基于均值漂移的跟蹤方法的基礎(chǔ)上,對(duì)基于多特征融合的粒子濾波跟蹤算法進(jìn)行了比較深入的研究。通過大量實(shí)驗(yàn),發(fā)現(xiàn)現(xiàn)有算法在跟蹤準(zhǔn)確度和精度方面仍存在問題,對(duì)有光照變化的場(chǎng)景,跟蹤準(zhǔn)確度下降,甚至導(dǎo)致跟蹤失敗,本文從多個(gè)方面對(duì)算法進(jìn)行改進(jìn),提出了基于加權(quán)顏色直方圖和邊緣直方圖的粒子濾波跟蹤算法和基于光照不變圖的多特征融合粒子濾波跟蹤算法。根據(jù)人眼視覺敏感性的要求,將目標(biāo)的空間信息引入到目標(biāo)特征中,采用加權(quán)顏色直方圖與邊緣直方圖相結(jié)合的方式表示目標(biāo),解決了使用一種特征會(huì)導(dǎo)致跟蹤失敗的問題;對(duì)已發(fā)散的粒子進(jìn)行均值漂移迭代,在優(yōu)化搜索方向的同時(shí)縮小搜索范圍;此外,對(duì)目標(biāo)跟蹤窗口采用自適應(yīng)調(diào)整策略,以提高跟蹤過程中目標(biāo)特征的匹配精度;對(duì)目標(biāo)特征模板進(jìn)行實(shí)時(shí)更新,以增強(qiáng)跟蹤過程中對(duì)抗環(huán)境變化的魯棒性,提升跟蹤的準(zhǔn)確度和精度。針對(duì)光照變化的影響,本文引入了位置敏感直方圖,在此基礎(chǔ)上,提取視頻幀的光照不變圖,由于光照不變圖對(duì)光照變化不敏感,因此將光照不變圖應(yīng)用于基于加權(quán)顏色直方圖和邊緣直方圖的粒子濾波跟蹤算法中,從而實(shí)現(xiàn)目標(biāo)跟蹤,使算法不僅對(duì)光照變化具有魯棒性,而且跟蹤準(zhǔn)確度和精度也能保持。實(shí)驗(yàn)表明本文提出的算法使多特征融合粒子濾波算法的跟蹤準(zhǔn)確度和精度得到顯著提升,而且解決了目標(biāo)跟蹤過程中光照變化帶來的跟蹤失敗問題。與常見目標(biāo)跟蹤算法相比,在中心位置偏移誤差和跟蹤成功率兩個(gè)指標(biāo)上有明顯優(yōu)勢(shì)。
[Abstract]:Moving target tracking is the core research content in the field of computer vision, involving the advanced research results of artificial intelligence, pattern recognition, in military weapons, intelligent monitoring, human-computer interaction, Virtual reality and other related fields play an irreplaceable role. The particle filter tracking algorithm based on multi-feature fusion is deeply studied. Through a large number of experiments, it is found that there are still some problems in tracking accuracy and precision of the existing algorithms. Even lead to tracking failure, this paper from many aspects to improve the algorithm, Particle filter tracking algorithm based on weighted color histogram and edge histogram and multi-feature fusion particle filter tracking algorithm based on illumination invariant are proposed. The spatial information of the target is introduced into the feature of the target, and the weighted color histogram and the edge histogram are used to represent the target, which solves the problem that the use of a feature will lead to the tracking failure. In order to optimize the search direction and narrow the search range, the target tracking window is adjusted adaptively to improve the matching accuracy of the target features in the tracking process by means of the mean shift iteration of the divergent particles. The target feature template is updated in real time in order to enhance the robustness of the tracking process against environmental changes and improve the accuracy and accuracy of tracking. In view of the influence of light change, the position sensitive histogram is introduced in this paper. Illumination invariant image of video frame is extracted. Because illumination invariant graph is not sensitive to illumination change, Illumination invariant graph is applied to particle filter tracking algorithm based on weighted color histogram and edge histogram to realize target tracking. The algorithm is not only robust to illumination variation, but also can keep the tracking accuracy and precision. Experiments show that the proposed algorithm can improve the tracking accuracy and precision of the multi-feature fusion particle filter algorithm. It also solves the problem of tracking failure caused by the change of illumination in the process of target tracking. Compared with the common target tracking algorithm, it has obvious advantages in center position offset error and tracking success rate.
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 初紅霞;王科俊;王希鳳;郭慶昌;韓晶;;多特征融合的退火粒子濾波目標(biāo)跟蹤[J];計(jì)算機(jī)工程與應(yīng)用;2011年06期

2 顧鑫;王海濤;汪凌峰;王穎;陳如冰;潘春洪;;基于不確定性度量的多特征融合跟蹤[J];自動(dòng)化學(xué)報(bào);2011年05期

3 姚紅革;杜亞勤;;基于多模式多特征融合粒子濾波視頻目標(biāo)跟蹤[J];西安工業(yè)大學(xué)學(xué)報(bào);2012年11期

4 王蘭;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年13期

5 陳增照;何秀玲;楊揚(yáng);董才林;;基于多特征融合的票據(jù)分類技術(shù)及應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2006年09期

6 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識(shí)別算法[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

7 劉貴喜;范春宇;高恩克;;基于粒子濾波與多特征融合的視頻目標(biāo)跟蹤[J];光電子.激光;2007年09期

8 胡全;邱兆文;王霓虹;;基于多特征融合的圖像語義標(biāo)注[J];東北林業(yè)大學(xué)學(xué)報(bào);2008年10期

9 周靜;黃心漢;彭剛;;基于多特征融合的飛機(jī)目標(biāo)識(shí)別[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

10 沈才梁;許雪貴;許方恒;龍丹;;多特征融合的人臉檢測(cè)[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2009年11期

相關(guān)會(huì)議論文 前3條

1 葉鋒;蔡光東;鄭子華;亓?xí)孕?尹鵬;;基于多特征融合的藥用植物標(biāo)本識(shí)別[A];2011年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

2 段其昌;季長有;;基于多特征融合的快速人臉檢測(cè)[A];第十七屆全國測(cè)控計(jì)量儀器儀表學(xué)術(shù)年會(huì)（MCMI'2007）論文集（上冊(cè)）[C];2007年

3 李玉峰;鄭德權(quán);趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集（上）[C];2008年

相關(guān)博士學(xué)位論文 前4條

1 田綱;基于多特征融合的Mean shift目標(biāo)跟蹤技術(shù)研究[D];武漢大學(xué);2011年

2 徐志剛;基于多特征融合的路面破損圖像自動(dòng)識(shí)別技術(shù)研究[D];長安大學(xué);2012年

3 陳秀新;多特征融合視頻復(fù)制檢測(cè)關(guān)鍵技術(shù)研究[D];北京工業(yè)大學(xué);2013年

4 初紅霞;基于均值移動(dòng)和粒子濾波的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標(biāo)檢索技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2015年

2 計(jì)明明;基于多特征融合的三維模型檢索技術(shù)[D];浙江大學(xué);2015年

3 王慶;基于多特征融合的人體動(dòng)作識(shí)別方法研究[D];上海大學(xué);2015年

4 劉婕;復(fù)雜場(chǎng)景多特征融合粒子濾波目標(biāo)跟蹤[D];重慶理工大學(xué);2015年

5 崔劍;基于多特征融合的分級(jí)行人檢測(cè)方法研究[D];電子科技大學(xué);2015年

6 王珊珊;基于極化SAR非監(jiān)督分類的油膜厚度估算方法研究[D];大連海事大學(xué);2015年

7 肖冠;基于多特征融合的異類傳感器中段目標(biāo)關(guān)聯(lián)算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 王建榮;基于多特征融合的無人機(jī)航拍圖像識(shí)別研究[D];成都理工大學(xué);2015年

9 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學(xué);2014年

10 劉鎮(zhèn);基于內(nèi)容的圖像檢索中多特征融合技術(shù)的應(yīng)用研究[D];東北師范大學(xué);2008年

，

本文編號(hào)：1496447