学位论文 > 优秀研究生学位论文题录展示

复杂场景下运动目标跟踪方法研究

作　者: 邱志明
导　师: 王路
学　校: 上海大学
专　业: 计算机应用技术
关键词: 目标跟踪 ORB特征 行人检测 运动分割
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 2次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着价格低廉的摄像设备的逐渐普及，视频应用已经深入到人们工作和日常生活的方方面面。利用计算机来自动分析庞大的视频数据可以极大提高视频应用的效率。而视频分析中最重要的处理对象就是运动目标，大量有意义的信息都包含在运动之中。因此，能否对视频中的运动目标进行有效的跟踪，成为了一个关键问题。近年来，视频中的运动目标跟踪技术已在视频监控，人机交互，多媒体检索等领域得到了广泛应用。鉴于该课题有着重要的研究和应用价值，本文对此进行了相关的研究工作，主要内容和创新如下：1.基于颜色直方图和ORB特征的运动目标跟踪基于整体模型的跟踪方法由于不对目标结构建模，在跟踪中容易受到干扰，同时也对遮挡不够鲁棒。本文提出了一种结合颜色直方图和ORB局部特征的运动目标跟踪方法。该方法采用基于贝叶斯滤波框架，利用颜色直方图、ORB局部特征分别作为观测似然的全局和局部成分，两种信息互补，构建了强大的观测模型，而ORB特征的高速性能也保证了算法的实时性。此外，目标的结构信息也通过一个在线特征匹配算法加以强化。实验结果表明，在一些复杂的场景中，如光照变化，局部遮挡等，提出的跟踪器都显示出很好的跟踪性能。2.基于检测器融合的行人跟踪方法行人跟踪是非刚体运动目标跟踪领域的热点问题，具有广泛的应用领域。本文提出了一种基于检测器融合的行人跟踪方法。该方法首先提出了一种改进的背景采样运动分割方法。该方法继承了原始背景采样方法具有的高速和高效的特点，并能够应对运动目标的阴影干扰，从而避免了视频中运动目标的阴影造成前景物体的变形，甚至造成不同目标误连接的问题。此外，由于复杂环境的影响，运动分割结果也会出现不可避免的缺损或误检情况，本文采用行人检测器对分割结果进行融合，从而得到更加稳定的前景团块。接着，采用了一种简单的数据关联方法来匹配前景团块和目标，从而实现了在视频中跟踪多个行人。最后通过实验验证了提出的阴影鲁棒运动分割方法及行人跟踪方法的有效性。

全文目录


摘要  6-7
ABSTRACT  7-9
目录  9-11
第一章 绪论  11-13
  1.1 运动目标跟踪的研究意义  11-12
  1.2 论文结构安排  12-13
第二章 运动目标跟踪方法综述  13-24
  2.1 引言  13
  2.2 跟踪器的初始化  13-15
  2.3 目标建模与特征选择  15-18
  2.4 跟踪算法  18-22
    2.4.1 基于概率滤波的方法  18-20
    2.4.2 基于优化的方法  20-22
  2.5 多目标跟踪问题  22-23
  2.6 本章小结  23-24
第三章 基于颜色直方图和 ORB 特征的目标跟踪方法  24-36
  3.1 引言  24-25
  3.2 ORB 局部特征  25-27
    3.2.1 FAST 特征点定位  25
    3.2.2 FAST 特征点的主方向计算  25-26
    3.2.3 rBRIEF:抗旋转的 BRIEF 描述子  26-27
  3.3 基于 ORB 特征的目标跟踪  27-32
    3.3.1 贝叶斯滤波框架  27-29
    3.3.2 观测模型构建  29-31
    3.3.3 运动模型  31
    3.3.4 算法流程描述  31-32
  3.4 实验结果及其分析  32-35
    3.4.1 实验平台及方法实现说明  32
    3.4.2 跟踪实验结果与分析  32-35
  3.5 本章小结  35-36
第四章 基于检测器融合的行人跟踪方法  36-52
  4.1 引言  36-37
  4.2 行人检测  37-40
    4.2.1 特征提取  37-38
    4.2.2 分类器训练  38-39
    4.2.3 行人检测  39
    4.2.4 采用 GPU 加速  39-40
  4.3 改进的背景采样运动分割方法  40-43
    4.3.1 基于背景采样的运动分割方法  40-41
    4.3.2 对阴影鲁棒的背景采样运动分割方法  41-43
  4.4 跟踪算法设计  43-47
    4.4.1 团块生成  43
    4.4.2 目标跟踪  43-45
    4.4.3 算法流程描述  45-47
  4.5 实验结果及分析  47-51
    4.5.1 实验平台及方法实现说明  47
    4.5.2 改进的背景采样运动分割实验结果  47-49
    4.5.3 融合检测器的行人跟踪实验  49-51
  4.6 本章小结  51-52
第五章 结论与展望  52-54
  5.1 本文主要的工作  52-53
  5.2 下一步的工作展望  53-54
参考文献  54-58
作者在攻读硕士学位期间公开发表的论文  58-59
致谢  59

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. 红外图像目标识别及跟踪技术研究,TP391.41
  5. 视频图像中的行人检测算法研究与实现,TP391.41
  6. 基于活动轮廓模型的行人检测方法研究,TP391.41
  7. 天空背景下红外弱小目标的检测与跟踪算法研究,TN215
  8. 车载红外图像的行人检测与跟踪技术,TP391.41
  9. 基于机器视觉的客流量统计技术研究,TP391.41
  10. 视频目标检测与跟踪方法研究,TP391.41
  11. 视频监控的行人跟踪与辨识,TP391.41
  12. 基于视频检测技术的智能隧道交通安全监控系统,TP277
  13. 在复杂场景下的入侵检测,TP391.41
  14. 基于机器视觉的高速公路车辆测速研究,TP274
  15. 多目标跟踪算法研究,TN953
  16. 基于红外视频的行人检测,TP391.41
  17. 多传感器多目标航迹跟踪与融合算法研究,TN953
  18. 基于运动目标轨迹识别的人机交互系统研究,TP391.41
  19. 视频监控中目标的行为分析,TP391.41
  20. 视频分析中的镜头分割和目标跟踪研究,TP391.41
  21. 基于稀疏表示的人体运动捕获数据分析方法研究,TP391.41

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