学位论文 > 优秀研究生学位论文题录展示

基于Mean shift算法的目标跟踪方法研究

作　者: 董德毅
导　师: 陈爱斌
学　校: 中南林业科技大学
专　业: 计算机应用技术
关键词: 目标跟踪 均值偏移算法 中心定位 NMI特征
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 76次
引　用: 0次
阅　读: 论文下载
 

内容摘要


可视目标跟踪已经广泛应用于民用和军事的许多领域,如视频监控、机器人导航、图像压缩等,因此对可视目标跟踪的研究有着非常重要的意义。Mean Shift算法是一种非参数的密度梯度估计算法,近年来将其运用到目标跟踪上,并取得了较好的跟踪效果。本论文着重围绕对该算法的研究,提出了算法在跟踪应用中遇到的问题,以及相应的解决方法。主要工作有以下几点：首先,分析了Mean Shift算法的收敛性和收敛速度,提出了一种基于预测模型的收敛速度提高方法,改善了原算法的跟踪实时性。其次,从Mean Shift算法在实际应用中出现的问题发现,当目标部分被遮挡或有背景因素干扰时,跟踪精度会降低。将背景和目标本身进行加权,从原算法对目标模型的描述出发,将其加入到Mean Shift算法的数学模型表达式中,改善跟踪效果最后,通过对Mean Shift算法的原理分析发现,由于跟踪核窗宽不能实时改变,造成算法对于目标尺寸逐渐变化时的跟踪,效果不理想。通过对目标建立二值图像,利用NMI特征识别跟踪目标对象,结合提取的目标轮廓,对目标进行尺度定位；提出一种新的中心定位算法,得到每帧图像中更新目标的中心位置,利用Mean Shift迭代方法进行目标的空间定位和校正。本文算法将目标的空间定位和尺度定位分开,避开传统算法中仅利用色调直方图来定位目标的缺陷。由于Mean Shift算法对目标模型和候选目标模型的相似度判别效果好,改进的算法能够在保证精确度的同时,保持较好的实时性,弥补了传统Mean Shift框架下跟踪变尺度目标的不足。实验结果表明,该方法能在目标尺寸放大或缩小时选择合适的跟踪窗口,而且具有较强的跟踪抗干扰性

全文目录


摘要  4-5
ABSTRACT  5-9
1 绪论  9-18
  1.1 课题背景和研究意义  9-10
  1.2 国内外研究现状  10-14
  1.3 存在的问题  14-16
  1.4 论文的主要目标  16
  1.5 论文的创新点  16
  1.6 论文结构介绍  16-18
2 Mean Shift基本理论的研究  18-34
  2.1 引言  18
  2.2 非参数密度估计  18-23
    2.2.1 核密度估计  19-21
    2.2.2 常用核函数  21-23
  2.3 MEAN SHIFT算法的理论研究  23-30
    2.3.1 MEAN SHIFT算法理论  23-24
    2.3.2 MEAN SHIFT算法的研究现状  24-29
    2.3.3 MEAN SHIFT算法的优点  29-30
  2.4 基于预测模型的MEAN SHIFT加速算法  30-33
    2.4.1 预测模型  30-31
    2.4.2 实验结果和分析  31-33
  2.5 小结  33-34
3 基于Mean Shift算法的目标跟踪基础理论研究  34-46
  3.1 引言  34
  3.2 目标模型的表示  34-35
  3.3 相似度函数  35-36
  3.4 目标定位  36-38
  3.5 跟踪方法的评价  38
  3.6 基于目标和背景加权的跟踪  38-44
    3.6.1 建立目标加权模板  38-39
    3.6.2 建立背景加权模板  39-41
    3.6.3 实验结果及分析  41-44
  3.7 小结  44-46
4 基于目标中心定位和NMI特征的MEAN SHIFT跟踪算法  46-62
  4.1 引言  46-47
  4.2 图像预处理  47-49
    4.2.1 颜色空间的转换  47
    4.2.2 OTSU图像阈值提取  47-48
    4.2.3 基于背景滤除的图像分割  48-49
  4.3 目标中心定位原理  49-54
    4.3.1 目标中心定位  50-51
    4.3.2 实验结果及分析  51-52
    4.3.3 多目标的中心定位  52-53
    4.3.4 实验效果和分析  53-54
  4.4 图像的NMI特征  54-56
  4.5 跟踪算法实现及实验结果分析  56-60
    4.5.1 算法实现步骤  56-57
    4.5.2 实验结果和分析  57-60
  4.6 小结  60-62
5 总结和展望  62-64
  5.1 论文总结  62
  5.2 研究展望  62-63
  5.3 结束语  63-64
参考文献  64-72
攻读硕士学位期间主要的研究成果  72-73
致谢  73

相似论文

  1. 带径向速度观测的跟踪算法研究,TN953
  2. 基于VRPF的机动目标跟踪的研究,TN957.52
  3. 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
  4. 空间交会接近视觉测量方法研究,TP391.41
  5. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  6. 红外图像匹配技术研究,TP391.41
  7. 移动机器人视觉检测和跟踪研究,TP242.62
  8. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  9. 红外图像目标识别及跟踪技术研究,TP391.41
  10. 空间红外目标仿真与跟踪技术研究,TP391.41
  11. 基于运动目标轨迹分析的智能交通监控系统,TP277
  12. 基于支持向量机的视频目标检测方法研究,TP391.41
  13. 无线传感器网络的目标跟踪算法研究,TN929.5
  14. 基于主动视觉的运动目标检测与跟踪研究,TP391.41
  15. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  16. 视频监控运动目标检索方法研究,TP391.41
  17. 运动目标检测与跟踪的研究,TP391.41
  18. 视频图像中的运动目标检测与跟踪,TP391.41
  19. 车载红外图像的行人检测与跟踪技术,TP391.41
  20. 无线传感器网络定位及目标跟踪的研究,TN929.5
  21. 基于无线传感器网络的目标跟踪算法研究,TN929.5

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