学位论文 > 优秀研究生学位论文题录展示

基于视觉图像的移动目标跟踪技术研究

作　者: 井亮
导　师: 陈谋
学　校: 南京航空航天大学
专　业: 武器系统与运用工程
关键词: 目标跟踪目标检测卡尔曼滤波均值偏移 CamShift 粒子滤波
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 220次
引　用: 1次
阅　读: 论文下载

内容摘要

基于视觉图像的目标跟踪技术是近年来计算机视觉领域的一个研究热点,广泛应用于安全监控、车辆自主驾驶、导航制导与控制、人机交互等领域。在目标快速移动、遮挡、目标形变、各类背景噪声的影响下如何实时、准确地实现目标跟踪是现阶段研究的难点,因而研究基于视觉图像的目标跟踪技术具有重要的理论和实际应用价值。首先,介绍了基于视觉图像的目标跟踪技术在国内外的研究现状,分析了目标跟踪的现有方法,指出了基于视觉图像的目标跟踪技术研究的难点。其次,研究了视觉图像和卡尔曼滤波相结合的移动目标跟踪算法。在实施跟踪前对目标图像进行预处理以改善图像质量,再通过运动目标检测把目标从背景中提取出来,在此基础上结合卡尔曼滤波预测估计目标的位置信息,利用目标形心实施跟踪。随后,研究了视觉图像和均值偏移相结合的移动目标跟踪算法。针对均值偏移算法不能跟踪快速目标的特点,采用均值偏移算法和卡尔曼滤波器相结合的算法,卡尔曼滤波器预测目标在本帧的可能位置,并利用均值偏移算法在该位置邻域内搜索目标,从而实现对快速运动目标的良好跟踪,且对受遮挡的目标具有很好的跟踪能力。同时采用目标跟踪窗口自适应调整的方法进一步改进均值偏移算法,以提高运动目标跟踪的适应性和精度。接着,在研究均值偏移算法的基础上,为了克服均值偏移算法缺乏必要的模型更新的缺点,将均值偏移算法扩展到连续图像序列形成CamShift算法;采用CamShift算法结合卡尔曼滤波算法实现目标预测,再通过基于改进搜索窗口的搜索策略完成目标搜索,进而实现对移动目标的稳定快速跟踪。最后,研究了视觉图像和粒子滤波相结合的移动目标跟踪算法。采用了目标位移和噪声方差的自适应更新、目标模板更新的方法对粒子滤波方法加以改进,实现在目标被遮挡或者存在大量噪声情况的跟踪。为克服粒子滤波算法的退化现象和复杂的计算难度,将均值漂移嵌入到粒子滤波算法里面实现移动目标跟踪,实验结果表明,当目标快速运动、遮挡和背景噪声干扰时,改进算法都能保证移动目标跟踪的实时性和鲁棒性。

全文目录

摘要  4-5
ABSTRACT  5-12
第一章绪论  12-19
  1.1 课题研究目的及意义  12-13
  1.2 课题的研究现状  13-14
    1.2.1 国外研究现状  13
    1.2.2 国内研究现状  13-14
  1.3 基于视觉图像的目标跟踪主要方法  14-15
  1.4 目标的描述特征及选择  15-16
    1.4.1 目标特征的要求  15
    1.4.2 目标的描述特征及选择  15-16
  1.5 基于视觉图像的目标跟踪的技术要求和难点  16-17
  1.6 本文主要研究工作及内容安排  17-19
第二章视觉图像和卡尔曼滤波相结合的移动目标跟踪  19-30
  2.1 引言  19
  2.2 运动目标的图像预处理  19-21
    2.2.1 图像灰度处理  19
    2.2.2 中值滤波  19-21
  2.3 运动目标检测  21-23
    2.3.1 基于背景差分的目标检测  21-22
    2.3.2 背景更新  22-23
  2.4 结合卡尔曼滤波的移动目标跟踪  23-29
    2.4.1 目标形心的计算  23-24
    2.4.2 目标预测跟踪  24-27
    2.4.3 实验结果及分析  27-29
  2.5 本章小结  29-30
第三章基于均值偏移的目标跟踪算法  30-49
  3.1 引言  30
  3.2 无参密度估计  30-32
    3.2.1 参数密度估计方法  31
    3.2.2 无参密度估计方法  31-32
  3.3 均值偏移算法理论  32-35
    3.3.1 均值偏移向量  32-34
    3.3.2 均值偏移向量的物理意义  34-35
  3.4 基于均值偏移的移动目标跟踪算法  35-42
    3.4.1 目标模型  36
    3.4.2 候选目标模型  36-37
    3.4.3 目标模型和候选模型的相似度测量  37-38
    3.4.4 目标定位  38-41
    3.4.5 实验结果及分析  41-42
  3.5 基于均值偏移的目标跟踪算法的改进  42-48
    3.5.1 基于均值偏移和卡尔曼滤波混合的移动目标跟踪  43-46
    3.5.2 跟踪窗口自适应的目标形变跟踪  46-48
  3.6 本章小结  48-49
第四章 CamShift 算法及其改进  49-57
  4.1 引言  49
  4.2 CamShift 基本算法  49-53
    4.2.1 颜色特征模型选取  49-50
    4.2.2 反向投影  50
    4.2.3 均值偏移算法寻找质心的过程  50-51
    4.2.4 连续自适应均值移动跟踪算法  51-53
  4.3 基于CamShift 的移动目标跟踪算法的改进  53-54
    4.3.1 基于Cam Shift 和卡尔曼滤波混合的移动目标跟踪算法  53-54
    4.3.2 目标遮挡搜索策略  54
    4.3.3 初始目标跟踪窗口自动选取  54
  4.4 实验结果与分析  54-56
  4.5 本章小结  56-57
第五章基于粒子滤波的移动目标跟踪算法  57-75
  5.1 引言  57
  5.2 粒子滤波的缺点和现有的解决方法  57-58
    5.2.1 重要性函数选择问题  57-58
    5.2.2 实时性问题  58
    5.2.3 收敛性问题  58
  5.3 粒子滤波理论  58-63
    5.3.1 动态空间模型  58-59
    5.3.2 贝叶斯估计理论  59-60
    5.3.3 蒙特卡罗采样  60-61
    5.3.4 序列重要性采样算法  61-63
    5.3.5 重采样  63
  5.4 基于直方图粒子滤波的目标跟踪  63-69
    5.4.1 粒子采样  64
    5.4.2 粒子状态转移  64-65
    5.4.3 粒子更新  65
    5.4.4 目标位置确定  65-66
    5.4.5 粒子的重采样  66
    5.4.6 粒子滤波目标跟踪算法实现  66-68
    5.4.7 实验结果与分析  68-69
  5.5 粒子滤波算法的改进  69-70
    5.5.1 目标位移和噪声方差的自适应更新  69
    5.5.2 目标模板更新  69-70
    5.5.3 实验结果与分析  70
  5.6 基于均值偏移算法与粒子滤波相融合的目标跟踪算法  70-74
    5.6.1 均值偏移算法的聚类分析  71
    5.6.2 基于均值偏移算法与粒子滤波相融合的目标跟踪算法原理  71-73
    5.6.3 实验结果与分析  73-74
  5.7 本章小结  74-75
第六章总结与展望  75-77
  6.1 本文的主要工作  75
  6.2 本文的不足和进一步展望  75-77
参考文献  77-81
致谢  81-82
在学期间的研究成果及发表的学术论文  82

基于视觉图像的移动目标跟踪技术研究

内容摘要

全文目录

相似论文