【摘要】：基于視覺的目標(biāo)跟蹤是計(jì)算機(jī)視覺研究領(lǐng)域中的一個(gè)重要課題。目標(biāo)跟蹤是對(duì)圖像序列中的目標(biāo)進(jìn)行檢測,提取特征、判斷、匹配、識(shí)別的過程,在該過程中我們可以獲得目標(biāo)的運(yùn)動(dòng)參數(shù),例如位置、速度和加速度等信息,為做進(jìn)一步的分析與理解提供幫助�；谀繕�(biāo)跟蹤在視覺導(dǎo)航、人機(jī)交互、視頻監(jiān)控等未來智能領(lǐng)域的廣泛應(yīng)用性,設(shè)計(jì)一個(gè)魯棒的視覺跟蹤算法在理論和實(shí)踐中具有重要意義。但是由于外部環(huán)境的復(fù)雜多變性及目標(biāo)自身狀態(tài)的多樣性,使得設(shè)計(jì)一個(gè)通用、魯棒性質(zhì)的跟蹤算法始終是一個(gè)極富挑戰(zhàn)性的課題。為實(shí)現(xiàn)在光照變化、背景擾動(dòng)、目標(biāo)遮擋、尺度變化等復(fù)雜環(huán)境下的目標(biāo)跟蹤,本文主要是對(duì)目標(biāo)時(shí)空上下文信息利用以及復(fù)雜環(huán)境下的尺度變化進(jìn)行研究。本文主要研究過程為:首先,針對(duì)基于時(shí)空上下文的目標(biāo)快速跟蹤(STC)算法中無法對(duì)目標(biāo)進(jìn)行準(zhǔn)確的尺度估計(jì)的缺陷進(jìn)行優(yōu)化,提出新的基于時(shí)空上下文的目標(biāo)多尺度跟蹤的算法(SASTC)。本文提出的算法借鑒基于相關(guān)濾波跟蹤的框架,在2維的目標(biāo)跟蹤的原理基礎(chǔ)上進(jìn)行1維的目標(biāo)尺度的計(jì)算。本文算法將跟蹤過程分為兩個(gè)獨(dú)立的部分:跟蹤部分和尺度計(jì)算部分,尺度計(jì)算部分可以被任何跟蹤框架下的其它算法所借鑒和應(yīng)用。其次,由于本文將跟蹤過程分為兩個(gè)相互獨(dú)立的部分,因此在每個(gè)獨(dú)立的部分都可以選擇不同的特征描述和特征計(jì)算方式對(duì)跟蹤過程進(jìn)行訓(xùn)練和測試。為了提高跟蹤的綜合性能,我們?cè)谖恢霉烙?jì)部分采用常用特征圖像灰度值,在尺度估計(jì)部分采用PCA-HOG特征,不同特征的使用可以構(gòu)造更完善、有效的目標(biāo)外觀模型,增強(qiáng)算法的魯棒性。最后,在整體上對(duì)算法細(xì)節(jié)進(jìn)行了優(yōu)化。一方面,在算法實(shí)現(xiàn)的過程中使用了圖像歸一化的處理方式,這種操作在沒有改變圖像的對(duì)比度的前提下,可以有效地減小由于光線不均勻?qū)δ繕?biāo)圖像造成的光照干擾。另一方面,在傅里葉變換之前對(duì)圖像加上一個(gè)具有低通濾波特性的漢明窗,以便濾掉圖像邊緣的高頻部分,減少圖像邊界的頻率效應(yīng)。
【圖文】：

2.2.2 目標(biāo)跟蹤系統(tǒng)的模塊運(yùn)動(dòng)流程一個(gè)追蹤系統(tǒng)如圖 2-1 的通常工作方式如下：首先，在第一幀，用給定的目標(biāo)區(qū)域(一般是由用戶手動(dòng)標(biāo)記或者事先指定好目標(biāo)區(qū)域坐標(biāo))初始化觀測模型(Observation Model)；然后，在接下來的每一幀中，運(yùn)動(dòng)模型(Motion Model)根據(jù)前一幀或幾幀的估計(jì)結(jié)果，計(jì)算出當(dāng)前幀的目標(biāo)候選區(qū)域；然后提取目標(biāo)候選區(qū)域的特征，，并作為輸入傳遞給觀測模型，并計(jì)算得到的最大值所對(duì)應(yīng)的候選區(qū)域作為目標(biāo)當(dāng)前幀的位置。最后在模型更新部分，算法會(huì)對(duì)觀測模型的輸出結(jié)果進(jìn)行判斷，比如設(shè)置結(jié)果閾值，以此決定觀測模型是否需要更新，如果需要，則該部分根據(jù)設(shè)定的更新頻率和更新策略進(jìn)行模型更新。最后，如果一個(gè)跟蹤系統(tǒng)是由多個(gè)跟蹤器組成(會(huì)產(chǎn)生多個(gè)相應(yīng)的跟蹤結(jié)果值)，則在系統(tǒng)后處理(Ensemble Post-processor)部分，跟蹤系統(tǒng)需要將各個(gè)跟蹤器產(chǎn)生的預(yù)測結(jié)果綜合、融合成一個(gè)更加精確地預(yù)測作為結(jié)果輸出，即當(dāng)前幀目標(biāo)位置。

第 2 章 運(yùn)動(dòng)目標(biāo)跟蹤算法理論基礎(chǔ)式的目標(biāo)跟蹤算法型的引入，作一個(gè)通俗易懂的例子：假設(shè)現(xiàn)在特性來區(qū)分大象( y 1)和狗( y 0)。給定這樣一歸[33]會(huì)試圖找到一條直線也就是決策邊界，來區(qū)分，回歸模型會(huì)根據(jù)這個(gè)新樣本的特征計(jì)算出該得到相應(yīng)的分類結(jié)果。上述例子通俗易懂的介本目的。一種建模方式：首先，根據(jù)訓(xùn)練集中的大象樣集中的狗的樣本，可以構(gòu)造出狗的模型。然后與大象模型和狗的模型分別進(jìn)行匹配并計(jì)算出其流程如下圖 2-2。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高翔;;基于粒子濾波的目標(biāo)跟蹤算法淺析[J];硅谷;2011年09期

2 金忠;一種多目標(biāo)跟蹤算法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);1985年S1期

3 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標(biāo)跟蹤算法研究[J];國外電子測量技術(shù);2014年01期

4 馬奔,史忠科,皮燕妮;成像目標(biāo)跟蹤算法分析[J];西安電子科技大學(xué)學(xué)報(bào);2005年03期

5 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運(yùn)動(dòng)目標(biāo)跟蹤算法[J];光學(xué)精密工程;2007年02期

6 陳愛華;孟勃;朱明;王艷華;;多模式融合的目標(biāo)跟蹤算法[J];光學(xué)精密工程;2009年01期

7 牛長鋒;劉玉樹;;融合多特征的粒子濾波目標(biāo)跟蹤算法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

8 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標(biāo)跟蹤算法綜述[J];電視技術(shù);2010年12期

9 佟國峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機(jī)蕨叢的長期目標(biāo)跟蹤算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年01期

10 曹曉麗;李明;邢玉娟;譚萍;;幾種自動(dòng)目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

相關(guān)會(huì)議論文 前10條

1 徐炳吉;;一種多站聯(lián)合目標(biāo)跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會(huì)第三屆年會(huì)論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進(jìn)的粒子濾波目標(biāo)跟蹤算法[A];PCC2009—第20屆中國過程控制會(huì)議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標(biāo)跟蹤算法[A];2003年中國智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標(biāo)跟蹤算法[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

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標(biāo)跟蹤算法[A];2009年中國智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標(biāo)跟蹤算法[A];第十二屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無;王磊;李正東;;紅外/雷達(dá)雙傳感器融合目標(biāo)跟蹤算法[A];中國工程物理研究院科技年報(bào)（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標(biāo)跟蹤算法[A];2008年中國高校通信類院系學(xué)術(shù)研討會(huì)論文集（上冊(cè)）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進(jìn)化的改進(jìn)粒子濾波目標(biāo)跟蹤算法[A];中國自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)C卷[C];2011年

10 張濤;費(fèi)樹岷;胡剛;;基于多特征信息自適應(yīng)融合的視頻目標(biāo)跟蹤算法[A];第二十九屆中國控制會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 胡子軍;基于隨機(jī)有限集的雷達(dá)多目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2015年

2 張雷;復(fù)雜場景下實(shí)時(shí)目標(biāo)跟蹤算法及實(shí)現(xiàn)技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所);2016年

3 王晶晶;復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究[D];中國科學(xué)技術(shù)大學(xué);2016年

4 田浩;基于核函數(shù)的目標(biāo)跟蹤算法研究[D];長安大學(xué);2016年

5 秦永;基于隨機(jī)有限集的目標(biāo)跟蹤算法研究[D];華中科技大學(xué);2016年

6 項(xiàng)俊;基于檢測的數(shù)據(jù)關(guān)聯(lián)多目標(biāo)跟蹤算法研究[D];華中科技大學(xué);2016年

7 金加根;基于元數(shù)據(jù)的雷達(dá)目標(biāo)檢測和跟蹤研究[D];武漢理工大學(xué);2015年

8 盧建國;基于粒子濾波的視頻目標(biāo)跟蹤算法研究[D];北京郵電大學(xué);2011年

9 馮巍;分布式多視角目標(biāo)跟蹤算法研究[D];復(fù)旦大學(xué);2011年

10 王書朋;視頻目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 張健;形變目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];遼寧大學(xué);2015年

2 張巧麗;基于LabVIEW的運(yùn)動(dòng)目標(biāo)跟蹤算法研究與實(shí)現(xiàn)[D];陜西科技大學(xué);2015年

3 鐘寶康;基于壓縮感知的預(yù)測目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

4 薛桐;基于CamShift的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];沈陽理工大學(xué);2015年

5 王增宇;基于稀疏表達(dá)的目標(biāo)跟蹤算法研究[D];沈陽理工大學(xué);2015年

6 王靜;結(jié)構(gòu)化的表觀模型及兩階段目標(biāo)跟蹤算法研究[D];沈陽理工大學(xué);2015年

7 葛凱蓉;自然場景下目標(biāo)跟蹤算法的研究[D];山東大學(xué);2015年

8 向偉;基于檢測的目標(biāo)跟蹤算法研究[D];上海交通大學(xué);2015年

9 單順勇;結(jié)合多示例學(xué)習(xí)和模板匹配的目標(biāo)跟蹤算法研究[D];江西理工大學(xué);2015年

10 張碧武;基于單目視覺的目標(biāo)跟蹤算法的研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

本文編號(hào)：2578084