学位论文 > 优秀研究生学位论文题录展示

基于局部特征匹配的目标跟踪研究

作　者: 刘向军
导　师: 肖秦琨
学　校: 西安工业大学
专　业: 通信与信息系统
关键词: 目标检测 差分图像 目标跟踪 Shape Context 特征匹配
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 116次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着计算机技术、人工智能和图像视频技术的不断发展,计算机机器视觉技术开始应用于社会的方方面面。在智能监控、交通检测、安保监测、航空航天等诸多领域,目标检测提取和跟踪识别技术都有着巨大的应用前景和应用价值。论文旨在对现有的移动目标检测和跟踪算法进行学习并改进,以达到良好的跟踪效果。研究思路为,首先对现有运动目标检测与跟踪的方法进行系统研究,整理各自的优势与不足；然后选定固定场景下的目标检测跟踪作为本文的主要研究对象；最后,通过理论验证与实验分析,对该领域的部分重要算法进了优化,取得了良好的效果。整个课题的研究工作包括：首先论文对运动目标的检测技术进行了研究,重点对现有技术中关于帧间差分法和背景差分法这两种主流的目标检测方法进行了认真研究,分析其优缺点和主要的适用范围,同时对三帧差分的方法进行了改进,提出了一种采用改进的三帧差分法与背景差分法相结合的方法对运动目标进行检测,取得良好的检测效果。其次对现有的主流目标跟踪算法如Kalman滤波算法、Mean-Shift算法、粒子滤波算法三种算法进行研究并进行仿真,分析三种方法的适用范围及优缺点,提出自己的意见。重点研究了论文中提出的基于局部特征匹配的目标跟踪方法,建立基于目标的轮廓和特征信息的数据库。对Shape Context进行了学习,首先对Shape Context算法的极坐标角域进行扩展,以适应当目标边界出现轻微形变时能更好的进行特征的匹配；其次,对于边界点的选取进行了改进：最后本文通过利用数据库中建立的目标轮廓信息替代目标的轮廓来实现目标匹配。通过Matlab实验分析,发现本文方法跟踪到的目标质心位置与实际位置的误差能够控制在较小的范围内,并对轻微遮挡具有较好的鲁棒性,良好的实现了目标的跟踪。

全文目录


摘要  3-4
Abstract  4-8
1 绪论  8-16
  1.1 课题研究的背景及意义  8-10
  1.2 国内外研究现状  10-13
    1.2.1 运动目标检测研究现状  10-11
    1.2.2 运动目标跟踪研究现状  11-13
  1.3 本文研究内容  13-14
  1.4 本文的主要工作和章节安排  14-16
2 移动目标的提取与检测方法研究  16-27
  2.1 图像序列的预处理  16-20
    2.1.1 图像去噪处理  16-18
    2.1.2 图像增强处理  18-20
  2.2 移动目标的检测提取方法研究  20-25
    2.2.1 帧间差分法  20-21
    2.2.2 背景差分法  21-23
    2.2.3 光流法  23
    2.2.4 论文改进的检测提取方法  23-25
  2.3 形态学处理相关知识介绍  25-26
  2.4 本章小结  26-27
3 移动目标的常用匹配跟踪方法研究  27-39
  3.1 目标图像特征介绍  27-28
    3.1.1 图像的颜色特征  27-28
    3.1.2 纹理特征  28
    3.1.3 形状边缘特征  28
  3.2 边缘特征检测方法介绍  28-31
    3.2.1 Canny边缘检测算子  29
    3.2.2 LoG边缘检测算子  29-30
    3.2.3 Roberts边缘检测算子  30
    3.2.4 Sobel边缘检测算子  30-31
  3.3 移动目标的跟踪技术研究  31-37
    3.3.1 基于Kalman滤波估计的跟踪算法研究  32-33
    3.3.2 基于Mean Shift的目标跟踪算法研究  33-36
    3.3.3 粒子滤波算法介绍  36-37
  3.4 实验分析  37-38
  3.5 本章小结  38-39
4 基于局部特征匹配的目标跟踪研究  39-50
  4.1 本章概论  39-40
  4.2 Shape Context方法理论介绍  40-42
  4.3 本文中改进的Shape Context方法分析  42-43
  4.4 基于局部特征匹配的跟踪实现  43-49
    4.4.1 边界特征点提取方法研究  43-44
    4.4.2 特征信息数据库的建立(codebook)  44-45
    4.4.3 Mask函数功能介绍  45-47
    4.4.4 特征匹配  47-48
    4.4.5 投票预测实现目标的跟踪  48-49
  4.5 本章小结  49-50
5 综合实验及结果分析  50-57
  5.1 本章引论  50
  5.2 实验结果分析  50-56
  5.3 本章小结  56-57
6 结论  57-60
  6.1 全文结论  57
  6.2 未来工作展望  57-60
参考文献  60-64
攻读硕士学位期间发表的论文  64-65
致谢  65-67

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. 双传感器图像联合目标检测及系统实现研究,TP391.41
  5. 空间交会接近视觉测量方法研究,TP391.41
  6. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  7. 移动机器人视觉检测和跟踪研究,TP242.62
  8. 基于运动目标轨迹分析的智能交通监控系统,TP277
  9. 非稳定背景下的运动目标检测与鲁棒跟踪方法研究,TP391.41
  10. 基于全方位视觉的多运动目标检测、跟踪与定位,TP391.41
  11. 交通标志自动分割识别算法研究,TP391.41
  12. 基于内容的数码照片检索系统的设计与实现,TP391.3
  13. 基于特征点的图像配准技术研究,TP391.41
  14. 基于球面调和的三维模型检索系统研究与实现,TP391.41
  15. 手背静脉在军工识别系统中的研究与实现,TP391.41
  16. 基于粒子滤波的目标跟踪算法研究,TP391.41
  17. 视频监控的行人跟踪与辨识,TP391.41
  18. 基于双目视觉的智能跟踪行李车系统设计,TP391.41
  19. 多对象系统的传感器调度算法及应用,TP212
  20. 在复杂场景下的入侵检测,TP391.41
  21. 基于图的结构化图像特征提取与跟踪,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