学位论文 > 优秀研究生学位论文题录展示

视频跟踪中Mean-Shift算法的应用研究

作　者: 高波
导　师: 李军
学　校: 南京理工大学
专　业: 系统工程
关键词: 视频跟踪 Mean-Shift算法 卡尔曼滤波 模板更新 背景干扰 遮挡跟踪 运动检测 目标检测及跟踪软件
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 120次
引　用: 0次
阅　读: 论文下载
 

内容摘要


视频目标跟踪技术是计算机视觉领域内一个重要的研究课题,融合了计算机科学、模式识别以及人工智能等多学科知识,并且视频跟踪系统在国民生产和国防建设中有着广泛的应用。在视频目标跟踪算法中,Mean-Shift算法是一种优秀的算法。Mean-Shift算法是一种基于无参估计理论的局部寻优算法,以目标的颜色特征建立模型,具有计算量小、鲁棒性好等优点,但在复杂环境下,跟踪算法仍存在一些问题,所以对Mean-Shift算法进行研究,改进其跟踪性能是十分必要的。本文从以下几方面做了深入研究：(1)在快速运动目标跟踪中,结合卡尔曼滤波算法,通过卡尔曼滤波器对运动目标位置的预测,为Mean-Shift算法提供更准确的迭代初始点,并且针对卡尔曼滤波算法的不足,对卡尔曼滤波算法进行了扩展。(2)对跟踪过程中目标发生变化的情况,使用了更为灵活的局部模板更新算法,将视频中目标的变化反馈到模板中,保持模板的准确度。(3)对背景中含有目标色彩而造成干扰的问题,利用模板中的颜色信息在方位上的分布重新评价当前目标中的像素,排除背景像素的干扰。(4)对目标遮挡问题,利用局部与整体的思想,找到未被遮挡的目标信息,通过利用这部分信息与整体目标的位置关系来定位整个目标,从而完成目标的跟踪。(5)在Mean-Shift算法的基础上,研究了视频检测技术。利用背景相减法检测出视频中的运动目标,然后再使用Mean-Shift算法对目标进行跟踪,完成了自动检测运动目标及跟踪的任务,并开发了目标检测与跟踪软件。

全文目录


摘要  3-4
Abstract  4-7
1 绪论  7-13
  1.1 研究背景和意义  7-8
  1.2 国内外研究现状  8-11
    1.2.1 目标跟踪技术  8-10
    1.2.2 视频跟踪技术的困难因素  10-11
    1.2.3 视频运动检测技术  11
  1.3 论文内容安排  11-13
2 Mean-Shift算法原理  13-25
  2.1 非参数密度估计  13-14
    2.1.1 非参数概率密度估计的设计思路  13-14
    2.1.2 Parzen窗口估计  14
  2.2 Mean-Shift算法  14-18
    2.2.1 基本的Mean-Shift向量  14-15
    2.2.2 扩展的Mean-Shi-向量  15-16
    2.2.3 概率密度与梯度  16-17
    2.2.4 Mean-Shift算法流程  17-18
  2.3 目标跟踪中的Mean-Shift算法  18-24
    2.3.1 巴氏距离  18
    2.3.2 模型的表示  18-22
    2.3.3 算法跟踪实验  22-24
  2.4 本章小结  24-25
3 对于快速移动目标的跟踪  25-33
  3.1 卡尔曼滤波算法  26-27
  3.2 卡尔曼滤波器建模  27-28
  3.3 卡尔曼滤波器的研究与扩展  28-32
    3.3.1 卡尔曼预测点的扩展  28-30
    3.3.2 卡尔曼滤波器模型的扩展  30-32
  3.4 本章小结  32-33
4 Mean-Shift算法的研究  33-49
  4.1 目标模板的更新  33-35
    4.1.1 模板整体更新算法  33-34
    4.1.2 本文的模板更新算法  34
    4.1.3 模板更新算法实验  34-35
  4.2 抗背景干扰的研究  35-38
    4.2.1 背景干扰问题的产生  35-36
    4.2.2 背景干扰问题的解决方案  36-37
    4.2.3 抗背景干扰的Mean-Shift算法实验  37-38
  4.3 遮挡问题的处理  38-45
    4.3.1 遮挡问题的产生  38-39
    4.3.2 遮挡问题的解决方法  39-44
    4.3.3 抗遮挡跟踪算法实验  44-45
  4.4 Mean-Shift算法的综合改进  45-48
    4.4.1 综合改进的Mean-Shift算法  45-46
    4.4.2 综合改进的Mean-Shift算法实验  46-48
  4.5 本章小结  48-49
5 视频运动检测技术  49-61
  5.1 帧间差分法  49-52
    5.1.1 帧间差分  49-51
    5.1.2 三帧差分  51-52
  5.2 背景差法  52-55
    5.2.1 算法介绍  52-54
    5.2.2 算法实验  54-55
  5.3 目标检测及跟踪软件  55-60
    5.3.1 软件分析与设计  56-57
    5.3.2 程序设计  57-58
    5.3.3 软件调试及结果  58-60
  5.4 本章小结  60-61
6 总结与展望  61-63
  6.1 总结  61-62
  6.2 展望  62-63
致谢  63-65
参考文献  65-67

相似论文

  1. 基于微型无人平台导航多传感器信息融合算法研究,V249.32
  2. SINS/GPS组合导航系统算法研究,V249.328
  3. 基于陀螺和星敏感器的卫星姿态确定研究,V448.2
  4. 机载导弹的传递对准研究,V249.322
  5. 偏振光/地磁/GPS/SINS组合导航算法研究,V249.328
  6. 带径向速度观测的跟踪算法研究,TN953
  7. 移动机器人视觉检测和跟踪研究,TP242.62
  8. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  9. 两轮电动车自平衡控制算法的研究,TP273
  10. 基于多信息融合的轮式农业机器人导航研究,TP242
  11. 蜂窝系统的定位算法研究,TN929.53
  12. 运动检测技术在智能监控系统中的应用,TP277
  13. 基于多激光雷达的行人目标跟踪,TP391.41
  14. 基于视频的动物运动跟踪分析系统及应用研究,TP391.41
  15. 基于蜜蜂视觉机理的光流辅助导航,TP391.41
  16. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  17. 融合视觉与惯性导航的机器人自主定位,TP242
  18. 惯性运动捕捉系统中传感数据的传输与处理,TP212
  19. 认知无线电网络中的基于信道特征的主用户仿真攻击防御技术,TN925
  20. 嵌入式处理器中多媒体加速单元的研究,TP332
  21. 自主水下航行器组合导航算法研究与系统实现,U666.1

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