学位论文 > 优秀研究生学位论文题录展示
复杂场景下视觉目标跟踪方法研究
作 者: 黄欣欣
导 师: 闵华清
学 校: 华南理工大学
专 业: 计算机应用技术
关键词: 目标跟踪 粒子滤波 粒子群优化 SIFT特征 条件随机场
分类号: TP391.41
类 型: 硕士论文
年 份: 2010年
下 载: 235次
引 用: 1次
阅 读: 论文下载
内容摘要
视觉目标跟踪是计算机视觉领域最重要、最热门的研究问题之一。它融合了图像处理、模式识别、人工智能、图像内容理解等相关领域的多种知识。它是一种从图像序列中检测目标,获得目标状态,自动跟踪目标的技术。视觉跟踪的应用领域非常广泛,可用于目标检测、目标识别、图像内容理解、场景分类、行为理解,人机互动、机器人导航等领域。复杂场景下的单目标跟踪和多目标跟踪是视觉目标跟踪中最困难的问题一直没有得到很好的解决。复杂场景下目标跟踪由于其跟踪场景的复杂性导致它有更高的难度。在复杂场景下由于在光照强度变化,背景的干扰和同一个场景下各个跟踪对象之间具有强相似性等特点,所以目标特征描述很困难。另一个方面由于复杂场景下目标运动状态的非线性、非高斯、多模态、高噪声等特点对跟踪算法也有了更严格的要求。基于粒子滤波的跟踪方法成为复杂场景目标跟踪的主流方法。但是粒子滤波也有粒子数目越多,算法复杂度越高,由于重采样使具有较大权重的样本被多次选取,导致采样结果中样本多样性下降,使得粒子滤波出现粒子贫乏问题。在多目标跟踪中的一个难点就是目标关联概率的估计。针对上述问题本文的工作内容有:在复杂场景下本文利用颜色和梯度方向双重信息描述目标。在多目标跟踪中采用SIFT特征描述。将粒子群优化算法(PSO)引入粒子滤波对粒子进行优化,使粒子朝着后验概率密度大的区域移动从而减少所需样本,同时增加一个多样化步骤增加样本的多样性。提出一种新的PSO-PF图像跟踪算法。在多目标跟踪中提出一种基于条件随机场的关联概率估计方法,实现复杂场景下的多目标跟踪。
|
全文目录
摘要 5-6 Abstract 6-9 第一章 绪论 9-14 1.1 研究背景和意义 9-10 1.2 图像跟踪研究现状 10-11 1.3 图像跟踪算法 11-12 1.4 本文研究内容与结构安排 12-14 第二章 复杂场景下目标特征描述 14-23 2.1 基于颜色的描述方法 15-17 2.1.1 颜色空间 15-16 2.1.2 颜色直方图 16-17 2.2 基于方向的描述方法 17 2.3 SIFT特征描述 17-20 2.3.1 SIFT特征点的提取 18-19 2.3.2 SIFT特征向量 19-20 2.4 相似度函数 20-21 2.5 各种特征的实验效果 21-22 2.6 本章小结 22-23 第三章 基于粒子滤波与PSO的单目标跟踪 23-43 3.1 粒子滤波理论 24-33 3.1.1 贝叶斯滤波原理 24-27 3.1.2 蒙特卡罗模拟 27-30 3.1.3 提议性分布的选择 30-31 3.1.4 重采样 31-32 3.1.5 粒子滤波器算法流程 32-33 3.2 Particle Swarm Optimization (PSO) 33-35 3.2.1 常规PSO 33-34 3.2.2 自适应PSO 34-35 3.3 基于粒子滤波与PSO的跟踪算法 35-37 3.3.1 标准粒子滤波 35-36 3.3.2 加入PSO的粒子滤波算法 36-37 3.4 实验结果与分析 37-42 3.4.1 粒子滤波粒子和经过PSO优化后的粒子比较 37-38 3.4.2 粒子滤波算法和加入PSO的粒子滤波算法 38-42 3.5 本章小结 42-43 第四章 多目标跟踪方法研究 43-67 4.1 多目标跟踪问题描述 43-44 4.2 数据关联 44-53 4.2.1 最近邻数据关联(NNDA) 45-46 4.2.2 概率数据关联(PDA) 46-49 4.2.3 联合概率数据关联(JPDA) 49-53 4.2.4 其他数据关联算法 53 4.3 关联门的选择 53-55 4.4 MC-JPDAF算法 55-58 4.4.1 JPDAF算法的基本框架 55-56 4.4.2 MC-JPDAF算法推导 56-58 4.5 基于条件随机场(CRF)和栅格滤波的多目标跟踪方法 58-60 4.5.1 条件随机场(Conditional Random Fields) 58-59 4.5.2 栅格滤波 59-60 4.6 实验结果与分析 60-66 4.7 本章小结 66-67 结论 67-69 参考文献 69-75 攻读硕士期间取得的研究成果 75-76 致谢 76
|
相似论文
- 基于多Agent理论的卫星协同定轨技术研究,V474
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 空间交会接近视觉测量方法研究,TP391.41
- 有标记点的人体三维运动数据获取方法的研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于粒子群算法求曲线/曲面间最小距离方法,O182
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- 红外图像目标识别及跟踪技术研究,TP391.41
- 空间红外目标仿真与跟踪技术研究,TP391.41
- 融合粒子群和蛙跳算法的模糊C-均值聚类算法研究,TP18
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
- 基于控制方法的粒子群算法改进及应用研究,TP301.6
- 无线传感器网络的目标跟踪算法研究,TN929.5
- 基于RFID监狱智能管理系统研究与实现,TP315
- 复杂动态环境下的小型足球机器人路径规划研究,TP242
- 基于无线传感器网络的目标定位跟踪研究,TN929.5
- 视频监控运动目标检索方法研究,TP391.41
- 基于条件随机场的中文分词技术的研究与实现,TP391.1
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
|