学位论文 > 优秀研究生学位论文题录展示
基于神经网络的运动目标检测与跟踪算法的研究
作 者: 刘艳丽
导 师: 陈跃东
学 校: 安徽工程大学
专 业: 检测技术与自动化装置
关键词: 目标跟踪 BP神经网络 Adaboost算法 Camshift算法 目标位置预测
分类号: TP183
类 型: 硕士论文
年 份: 2013年
下 载: 17次
引 用: 0次
阅 读: 论文下载
内容摘要
基于视频的运动目标分析技术融合了计算机视觉、数字图像和自动化控制等各个学科领域的知识,为武器装备、情报分析系统、卫星、飞机、轮船、导弹等提供可靠的定位、探测、侦查、导航等信息。其中,运动目标检测与跟踪是视频运动目标分析系统中关键的技术。国内外有很多学者对目标检测算法进行了大量的研究,取得了不少的成果,即使如此,运动目标检测算法仍没有达到复杂场景的要求。视频运动目标跟踪技术发展迅速,根据不同的应用场合,学者们提出了众多的运动目标跟踪算法。根据跟踪目标的表示方法的不同,单摄像机的目标跟踪算法主要有点跟踪、剪影跟踪、核跟踪以及结构模型跟踪,这种分类方法概括了目前大多数目标跟踪算法。由于运动目标所处环境的光照和天气的变化、遮挡、目标姿态变化等原因,对检测与跟踪算法鲁棒性、准确性和实时性都会造成影响。在运动检测算法方面,论文对现有的运动目标检测算法做了深入研究,针对传统目标检测算法存在的问题,研究了一种基于Adaboost算法与BP神经网络相结合的BP_Adaboost分类检测模型,通过Adaboost算法得到多个BP神经网络弱分类器组成的强分类器对目标进行检测,用该模型对最常见的视频中的行人进行检测,提高了行人检测的准确率。实验结果分析表明,该方法能够准确地分类检测出运动目标,很大提高目标检测算法的鲁棒性。目标特征提取方面,针对目标所在环境复杂的情况,常用的颜色、纹理、灰度和边缘特征等目标特征虽然表述结构简单,但易受到环境中外界因素的干扰,对目标跟踪准确性影响很大。为了解决这个问题,论文研究了通过提取目标的局部特征来提高跟踪算法性能,论文采用Harris算子提取目标的特征角点,作为神经网络的输入特征样本集,提高了目标跟踪算法的实时性。在运动目标跟踪方面,论文重点研究了基于Camshift算法的运动目标跟踪,当目标运动过快时,由于目标运动方向的不确定性,Camshift不能准确跟踪目标,导致跟踪丢失。针对存在的问题,论文在Camshift算法中引入目标运动轨迹的预测这一思想,研究了一种能有效跟踪运动目标的新方法,对传统Camshift目标跟踪算法进行了改进,实现了对运动目标快速、准确地跟踪。
|
全文目录
摘要 5-7 ABSTRACT 7-11 第1章 绪论 11-20 1.1 论文的研究背景及意义 11-12 1.2 运动检测与跟踪研究现状 12-18 1.2.1 运动目标检测 13-15 1.2.2 运动目标跟踪 15-16 1.2.3 运动目标检测与跟踪算法的难点 16-18 1.3 论文主要内容及结构安排 18-20 1.3.1 主要研究内容 18 1.3.2 论文结构安排 18-20 第2章 运动检测与跟踪算法研究基础 20-36 2.1 BP网络理论 20-24 2.1.1 BP网络的模型 20-21 2.1.2 BP算法的步骤 21-22 2.1.3 BP算法的改进 22-24 2.1.3.1 BP算法的问题 22-23 2.1.3.2 附加动量方法 23-24 2.1.3.3 变学习率学习算法 24 2.2 Adaboost算法 24-28 2.2.1 Adaboost算法的构造 24-25 2.2.2 Adaboost算法的收敛性能 25-26 2.2.3 Adaboost算法的泛化能力 26-28 2.3 目标特征提取 28-35 2.3.1 传统的特征表述 28-29 2.3.2 局部特征描述 29-30 2.3.3 Harris角点 30-35 2.4 本章小结 35-36 第3章 基于BP神经网络的运动检测与跟踪算法研究 36-50 3.1 前言 36 3.2 运动目标检测算法概述 36-41 3.2.1 背景减算法 36-39 3.2.1.1 典型的背景模型 36-37 3.2.1.2 背景更新方法 37-39 3.2.2 帧间差分法 39-40 3.2.3 光流法 40-41 3.3 结合Adaboost算法与BP网络的运动检测算法 41-45 3.3.1 算法思路 41-42 3.3.2 BP_Adaboost检测模型 42-43 3.3.3 仿真实验分析 43-45 3.4 基于BP神经网络的运动目标跟踪算法 45-49 3.4.1 BP网络跟踪模型 45-46 3.4.2 运动目标局部特征提取 46-47 3.4.3 仿真实验分析 47-49 3.5 本章小结 49-50 第4章 基于改进Camshift的运动目标跟踪算法研究 50-60 4.1 前言 50 4.2 Camshift目标跟踪算法 50-53 4.2.1 Mean Shift算法 50-51 4.2.2 Camshift算法 51-53 4.3 改进的Camshift目标跟踪算法 53-56 4.3.1 Camshift算法存在的问题 54 4.3.2 结合运动目标位置预测的Camshift算法 54-56 4.4 实验结果及分析 56-59 4.5 本章小结 59-60 第5章 结论与展望 60-62 5.1 结论 60 5.2 展望 60-62 参考文献 62-66 攻读学位期间发表的学术论文目录 66 攻读学位期间取得的科研成果目录 66-67 致谢 67
|
相似论文
- 带径向速度观测的跟踪算法研究,TN953
- 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
- 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,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
- 机械臂视觉伺服系统的研究,TP242.6
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于监督流形学习算法的固有不规则蛋白质结构预测研究,Q51
- 高速公路拆迁民众生存系统评价研究,D523
- 基于机器视觉的车辆检测和车距测量方法研究,TP274
- 煤矿风险信息集成与智能预警研究,X936
- 基于多杀毒软件协同的病毒检测方法研究,TP309.5
- 基于遗传算法的前馈神经网络优化研究,TP183
- JSYJ公司采购风险管理研究,F426.92
- 神经网络与组合预测在高速公路路面管理系统的应用研究,TP315
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|