学位论文 > 优秀研究生学位论文题录展示
自然场景下的视觉目标跟踪问题研究
作 者: 冯春来
导 师: 朱虹
学 校: 西安理工大学
专 业: 模式识别与智能系统
关键词: 视觉跟踪 阴影去除 人脸跟踪 主动视觉
分类号: TP274.2
类 型: 硕士论文
年 份: 2004年
下 载: 358次
引 用: 4次
阅 读: 论文下载
内容摘要
作为计算机视觉的研究领域难点之一,视觉目标跟踪在视频监视,虚拟现实,增强现实,人机交互,动画运动捕获,视频压缩,视频会议,智能交通,军事制导等方面都有广泛的应用前景,同时目标跟踪也是行为识别等高级机器视觉的基础。 本课题在国际人工智能及机器视觉界是一个研究热点问题,在各种关于机器视觉国际会议中都有数量可观的文章涌现,各种方法不断提出,但是由于现实世界光照条件,目标物建模等的复杂性,还没有一种较实用较通用的方法来实现对目标进行跟踪的方法。本文对该课题方向进行了初步的探讨同时对与其相关的问题进行了初步研究。 文中首先介绍了视觉跟踪问题的分类,并对各类视觉跟踪问题解决的基本步骤及存在的难点进行了阐述。对静态场景下的视觉目标跟踪问题,文中着重对背景建模和目标物阴影去除问题进行了研究。对背景建模问题,文中提出了根据帧差信息指导不同图像帧中的目标物区域位置定位,据此用不同帧目标物区域像素值合成“空”背景的方法。对阴影去除问题,文中提出了结合目标物区域亮度畸变和色调畸变信息对目标物区域像素进行分类的方法,其中还提出了一种基于上述信息对应直方图的自动阈值确定方法。对于动态场景下的视觉目标跟踪问题,文中结合人脸这一具体对象进行了研究,提出了一种基于颜色信息,结构信息等的特征量定义方法较好的实现了人脸跟踪,对于主动视觉目标跟踪问题,针对小车这一具体研究对象展开研究,文中研究了系统的具体构成及其中的控制方法。文中最后对基于计算西安理工大学硕士学位论文机视觉的一个实际应用项目进行了研究,根据课题对象特点和实时性,可靠性等的要求.文中提出了一种基于线扫描和像素周期性统计的方法,并达到了较好的效果。
|
全文目录
1 概述 9-16 1.1 课题的研究背景及意义 9-11 1.2 课题的主要目的及内容 11 1.3 课题的主要难点 11-14 1.4 论文结构 14-16 2 背景建模 16-27 2.1 背景模型的建立 16-17 2.2 已有的背景建模方法 17-23 2.2.1 Heikkila和Olli的方法 18-19 2.2.2 自适应高斯混合模型 19-20 2.2.3 pfinder方法 20 2.2.4 W~4方法 20 2.2.5 LOTS方法 20-21 2.2.6 Halevy方法 21-22 2.2.7 Culter方法 22 2.2.8 Wallflower方法 22-23 2.3 本论文提出的背景建模方法 23-25 2.3.1 模型建立算法 24-25 2.4 本论文所采用的背景更新方法 25-26 2.5 小结 26-27 3 阴影检测与去除 27-36 3.1 阴影的概念 27-28 3.2 阴影检测的基本框架 28-29 3.3 阴影去除方法 29-32 3.3.1 基于HSV彩色信息的阴影去除方法 29-30 3.3.2 基于色调畸变的去除阴影方法 30-32 3.4 本文提出的阴影去除方法 32-34 3.4.1 基于亮度畸变的分割 32-33 3.4.2 基于颜色向量夹角的分割 33-34 3.4.3 实验结果分析 34 3.5 小结 34-36 4 目标物描述与特征选择 36-43 4.1 经典的目标物描述方法 36-38 4.1.1 基于结构模型的目标物描述 36-37 4.1.2 基于活动轮廓的描述 37 4.1.3 基于区域的描述 37-38 4.2 目标物的特征提取 38-39 4.3 本文提出的拐点检测方法 39-42 4.3.1 算法步骤 40-41 4.3.2 实验结果 41-42 4.4 小结 42-43 5 动态场景中的运动目标跟踪 43-51 5.1 几种典型的人脸跟踪方法 44 5.2 本论文所提出的人脸跟踪算法 44-46 5.3 多信息量特征的描述方法 46-48 5.4 评价函数的定义 48-50 5.5 实验结果分析 50-51 6 主动视觉跟踪系统 51-57 6.1 系统概述 51-52 6.2 目标物特征选择 52-54 6.3 跟踪算法流程 54-55 6.4 云台控制方法 55 6.5 实验结果 55-57 7 实际应用系统 57-64 7.1 系统概述 57-58 7.2 系统结构 58 7.3 棚车状态的实时检测方法 58-62 7.3.1 棚车的识别 59-61 7.3.2 棚车车门状态的识别 61-62 7.4 实验结果分析 62-64 8 结果与展望 64-67 参考文献 67-72 已发表论文及科研情况 72
|
相似论文
- 多特征融合的视觉跟踪算法研究,TP391.41
- 基于图像的主动视觉跟踪技术研究,TP391.41
- 基于粒子滤波的可靠视觉跟踪技术研究,TP391.41
- 基于SURF特征的单目视觉SLAM技术研究与实现,TP242
- 运动目标检测跟踪中关键问题研究,TP391.41
- 数字视频中的实时人脸姿态估计研究,TP391.41
- 图像阴影的检测与去除算法研究,TP391.41
- 彩色图像偏色校正与阴影去除技术研究,TP391.41
- 基于DaVinci的智能监控系统,TP277
- 基于人脸检测和跟踪的智能监控系统的设计与实现,TP391.41
- 曲线轨迹的机器人视觉跟踪系统研究,TP242.62
- 人脸检测跟踪系统的设计与实现,TP391.41
- 基于卡尔曼滤波与模板匹配的目标跟踪研究,TP391.41
- 基于SURF的主动视觉跟踪技术的研究,TP391.41
- 基于人脸视频跟踪算法的研究,TP391.41
- 视频序列人脸跟踪与性别识别算法研究,TP391.41
- 室内环境下基于单目视觉的目标跟踪方法研究,TP242
- 人脸检测跟踪算法的研究与基于DaVinci的人脸检测系统实现,TP391.41
- 智能视频监控目标检测算法研究,TP391.41
- 数字视频中的实时人脸姿态估计研究的实时,TP391.41
- 交通流视频图像检测技术的研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 数据处理、数据处理系统 > 数据收集和处理系统
© 2012 www.xueweilunwen.com
|