学位论文 > 优秀研究生学位论文题录展示
基于ORB特征的目标检测与跟踪的研究
作 者: 谢成明
导 师: 李小红
学 校: 合肥工业大学
专 业: 信号与信息处理
关键词: 运动目标检测 运动目标跟踪 全局运动估计 运动参数模型 ORB特征点 PROSAC mean shift
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 152次
引 用: 0次
阅 读: 论文下载
内容摘要
目前,作为计算机视觉领域热点和难点之一的运动目标跟踪技术,它在军事制导,视觉导航,机器人,智能交通,公共安全等领域被广泛的运用。实现运动目标检测是进行运动目标跟踪的基础;基于目标与摄像机之间的关系,运动目标检测与跟踪,都可归类为静态场景下的运动目标检测与跟踪和动态场景下的运动目标检测与跟踪。针对越来越多的主动跟踪的需要,动态场景下的运动目标检测与跟踪显得尤为重要。与此同时,局部特征点算法在近年来得到了快速发展。因此,本文采用特征点匹配方法实现了动态场景下的运动目标检测与跟踪。1、动态场景下的运动目标检测。由于摄像机有平移、旋转、缩放和倾斜等可能存在的运动,在摄像机旋转很大的情况下,线性的仿射参数模型不能很好的描述摄像机的运动,而且需要对视频序列实时的检测出运动目标,针对这两点我们选择通用性更强的八参数旋转模型来描述像素点运动。先采用PROSAC算法去除可能存在的外点,得到正确的匹配特征点对,并用最小二乘法求最优解。全局运动参数通过八参数模型得到,然后将运动补偿作用于图像,最后运动目标由帧差法得到。实验结果表明该算法在秉持了SURF本身的优越性的基础上,运动目标可以实时正确的被检测出来,检测速度有所提高。2、静态场景下的运动目标跟踪。经典的mean shift跟踪算法存在着两个主要的缺陷,一个是不能自动调整跟踪窗口的大小,另一个是不能继续跟踪被遮挡后的目标。本文受CAMSHIFT算法的启发,对经典的mean shift跟踪算法进行扩展,提出了一种改进的mean shift跟踪算法,解决了这两个难题。通过大量的实验将本文算法和目前其他先进算法进行比较,证实了该方法的鲁棒性。3、动态场景下的运动目标跟踪。ORB算法被用于对检测到的目标实现特征点匹配,完成运动目标的跟踪。该算法通过实验验证能够很好的实现对运动目标的跟踪。该部分的创新之处有:针对SIFT算法在摄像机的倾斜角度有变化时性能变差的问题,提出了基于ORB特征点的算法,提高了跟踪的性能。
|
全文目录
摘要 5-6 ABSTRACT 6-8 致谢 8-12 第一章 绪论 12-19 1.1 课题研究的背景与意义 12-13 1.2 课题的国内外研究和应用现状 13-14 1.3 运动目标检测与跟踪综述 14-16 1.3.1 运动目标检测 14-16 1.3.2 运动目标跟踪 16 1.4 论文的主要内容和结构安排 16-19 1.4.1 论文的主要内容 16-17 1.4.2 论文的结构安排 17-19 第二章 目标检测跟踪中的相关理论基础 19-28 2.1 彩色模型 19-22 2.1.1 面向硬设备的彩色模型 19-20 2.1.2 面向视觉感知的彩色模型 20-22 2.2 运动目标检测技术简介 22-25 2.2.1 静态场景下运动目标检测技术简介 22-24 2.2.2 动态场景下的运动目标检测技术简介 24-25 2.3 运动目标跟踪技术简介 25-27 2.3.1 基于特征的跟踪方法 26 2.3.2 基于模型的跟踪方法 26 2.3.3 基于主动轮廓的跟踪方法 26-27 2.3.4 基于运动估计的跟踪方法 27 2.4 本章小结 27-28 第三章 常用特征点算法的分析与测试 28-45 3.1 引言 28 3.2 SURF 特征点 28-35 3.2.1 SURF 算法的提出与发展 28-29 3.2.2 SURF 算法的主要特点 29 3.2.3 SURF 算法的流程及主要步骤 29-35 3.3 ORB 特征点 35-41 3.3.1 ORB 算法的提出与发展 35 3.3.2 ORB 算法的主要特点 35 3.3.3 ORB 算法的流程及主要步骤 35-41 3.4 常用特征点匹配算法比较 41-44 3.5 本章小结 44-45 第四章 运动目标检测 45-52 4.1 引言 45 4.2 快速运动目标检测 45-49 4.2.1 全局运动估计参数模型 45-46 4.2.2 基于 ORB 特征的快速目标检测算法 46-47 4.2.3 去除误匹配算法的改进 47-48 4.2.4 目标检测算法步骤 48-49 4.3 实验结果与分析 49-51 4.4 本章小结 51-52 第五章 运动目标跟踪 52-64 5.1 引言 52 5.2 尺度和方向自适应 mean shift 跟踪 52-59 5.2.1 目标尺度变化中的权值图像 53-54 5.2.2 估计目标面积 54 5.2.3 mean shift 跟踪中的矩特征 54-55 5.2.4 估计目标的宽、高和方向 55-56 5.2.5 确定下一帧中的候选区域 56 5.2.6 尺度和方向自适应 mean shift 跟踪算法的实现 56-57 5.2.7 实验结果与分析 57-59 5.3 基于 ORB 算法的目标跟踪 59-63 5.3.1 基于 ORB 算法的目标跟踪 59-60 5.3.2 实验结果与分析 60-63 5.4 本章小结 63-64 第六章 总结与展望 64-66 6.1 论文总结 64-65 6.2 论文展望 65-66 参考文献 66-70 攻读硕士学位期间发表论文 70-72
|
相似论文
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- Mean Shift结合拓扑约束法进行高密度细胞追踪,Q25
- 非稳定背景下的运动目标检测与鲁棒跟踪方法研究,TP391.41
- 视频运动目标跟踪方法研究,TP391.41
- 运动目标检测和跟踪算法研究,TP391.41
- 基于视觉的人体行为检测识别研究,TP391.41
- 基于视频的人机交互方式研究,TP391.41
- 基于全方位视觉的多运动目标检测、跟踪与定位,TP391.41
- 基于Mean Shift的视频监控运动目标的跟踪算法研究与实现,TP391.41
- 红外条件下驾驶员疲劳检测研究,TP391.41
- 视频监控中运动目标检测与跟踪算法的研究,TP391.41
- 基于鱼眼相机的运动目标检测算法的研究与实现,TP391.41
- 基于混合高斯的背景建模与更新算法的研究与实现,TP391.41
- 嵌入式多参数环境智能监测系统的设计与实现,TP274
- 安防监控系统中运动目标检测算法研究,TP391.41
- 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
- 运动目标检测与跟踪的研究,TP391.41
- 车牌识别中关键技术的研究,TP391.41
- 动态场景下运动目标检测与跟踪算法研究,TP391.41
- 基于监控视频中运动目标自动检测与跟踪算法的研究与实现,TP391.41
- 基于视频检测技术的智能隧道交通安全监控系统,TP277
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|