学位论文 > 优秀研究生学位论文题录展示
机器视觉目标跟踪算法研究
作 者: 张文俊
导 师: 张雄
学 校: 太原科技大学
专 业: 模式识别与智能系统
关键词: 目标跟踪 四叉树分块模型 参数估计 机器学习 词袋 聚类
分类号: TP391.41
类 型: 硕士论文
年 份: 2014年
下 载: 3次
引 用: 0次
阅 读: 论文下载
内容摘要
机器视觉就是通过智能算法使机器具有人眼观测,分析和判断事物的能力,而目标跟踪是机器视觉中的核心技术之一。机器视觉目标跟踪无论是在军事领域还是民用领域都有广泛的应用,如导弹制导、飞机监测、智能交通、医疗图像等,因此对机器视觉目标跟踪算法的研究具有广阔的的应用前景和实用价值,已得到国内外学界和商界的高度重视。机器视觉目标跟踪算法的研究涉及到图像处理,自动控制,机器学习及模式识别等多个学科的知识,随着各学科的发展和相互融合,新的思想和新的框架不断涌现,并取得了令人瞩目的成绩。但越来越高的精准,速度,通用性和智能化需求使得机器视觉目标跟踪算法的研究依旧面临巨大的挑战。机器视觉目标跟踪在现实复杂环境应用中存在如下几种主要问题:目标的空间旋转、尺度变化、快速移动和遮挡;环境的光照变化、背景与目标的相似性等。如何能克服以上问题,提高目标跟踪算法的速度,精确度和鲁棒性是研究的重点和难点。本论文根据已有算法的优缺点,分析跟踪与检测、识别的异同,以提高目标跟踪算法性能为目的,做了如下创新和主要工作:1、提出了一种适用于目标跟踪的四叉树分块模型。该方案避免了以往盲目地对目标提取特征,而是针对不同跟踪目标的结构特性,对结构复杂的目标细分块,对结构简单的目标粗分块,同时对特征块采用参数估计的方式来进行描述,这样既充分地描述了目标,又大幅度降低了特征的维度,从而加快了目标跟踪算法的速度。2、提出了一种基于词袋的目标跟踪算法。词袋思想是一种模仿人类认知事物的抽象特征学习方法,该方法在机器视觉目标检测和图像检索领域已取得丰硕的成果,但由于目标跟踪应用的独特性,传统统词袋分类思想很难被应用在目标跟踪中。本文提出了一种在线特征学习的目标跟踪方法,并通过实验验证了该算法的可行性,较人工特征的跟踪算法具有更好的鲁棒性。
|
全文目录
摘要 5-6 ABSTRACT 6-11 第一章 绪论 11-15 1.1 研究背景及意义 11 1.2 目标跟踪算法的研究现状 11-13 1.2.1 目标跟踪算法的难点 11-12 1.2.2 目标跟踪算法研究现状 12-13 1.2.3 目标跟踪算法评价标准 13 1.3 主要的工作和结构安排 13-15 第二章 现有目标跟踪算法介绍 15-31 2.1 基于状态估计的跟踪算法 15-18 2.1.1 状态估计跟踪算法的特征 16 2.1.2 卡尔曼滤波器 16-17 2.1.3 粒子滤波器 17-18 2.2 Mean Shift 跟踪算法 18-21 2.2.1 Mean Shift 跟踪算法的特征 18 2.2.2 Mean Shift 算法 18-19 2.2.3 特征值的概率密度估计 19-20 2.2.4 相似性度量 20-21 2.2.5 Mean Shift 跟踪算法的发展 21 2.3 基于在线分类器学习的跟踪算法 21-29 2.3.1 在线分类器学习的跟踪算法的特征 21-25 2.3.2 Online-Adboost 跟踪算法 25-26 2.3.3 Multiple Instance Learning 跟踪算法 26-27 2.3.4 Compressive Tracking 算法 27-28 2.3.5 Struck 跟踪算法 28-29 2.4 其他跟踪方法 29-30 2.5 本章小结 30-31 第三章 目标跟踪中的四叉树分块模型 31-43 3.1 引言 31-32 3.2 目标图像的四叉树分块 32-34 3.3 基于四叉树分块的目标描述 34-35 3.3.1 概率密度估计 34 3.3.2 基于四叉树分块的局部参数概率密度估计 34-35 3.4 四叉树分块模型在目标跟踪中的应用 35-36 3.5 实验 36-41 3.5.1 实验环境 36-37 3.5.2 实验结果 37-39 3.5.3 实验分析 39-41 3.6 本章小结 41-43 第四章 基于词袋的跟踪算法研究 43-56 4.1 引言 43 4.2 传统机器学习方法 43-45 4.2.1 特征提取 43-44 4.2.2 分类器的选择 44-45 4.3 基于词袋的分类方法 45-46 4.4 聚词方法 46-47 4.5 词频描述 47-48 4.6 词袋在目标跟踪中的应用研究 48-53 4.6.1 词袋分类跟踪算法的特征选择和提取 48-51 4.6.2 词袋分类跟踪算法的聚词框架设计 51 4.6.3 词袋分类跟踪算法的跟踪策略 51-52 4.6.4 词袋分类跟踪算法的流程 52-53 4.7 实验结果与结论 53-54 4.7.1 复杂环境实验 53 4.7.2 与人工特征 Mean Shift 跟踪算法的比较实验 53-54 4.8 本章小结 54-56 第五章 总结与展望 56-58 5.1 工作总结 56 5.2 工作展望 56-58 参考文献 58-62 致谢 62-64 攻读学位期间发表的学术论文目录 64-65
|
相似论文
- 带径向速度观测的跟踪算法研究,TN953
- 直接序列扩频信号检测与参数估计方法研究,TN914.42
- 地波辐射源的调制类型识别与参数估计,TN957.51
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 隐式用户兴趣挖掘的研究与实现,TP311.13
- 图像分割中阴影去除算法的研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 基于图分割的文本提取方法研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 硝酸钠制配过程中pH值的预测控制及仿真研究,TP273
- 牡丹EST-SSR引物开发及其亲缘关系分析,S685.11
- 高血压前期证候特征研究,R259
- 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- 红外图像目标识别及跟踪技术研究,TP391.41
- 空间红外目标仿真与跟踪技术研究,TP391.41
- 用户权限管理系统可靠性测试的研究与应用,TP311.53
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 英汉命名实体翻译方法研究,TP391.2
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
|