文档详情

基于视频图像序列的运动目标跟踪方法研究-通信与信息系统专业论文.docx

发布:2019-03-28约6.37万字共75页下载文档
文本预览下载声明
独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作 及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方 外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为 获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与 我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的 说明并表示谢意。 作者签名: 日期: 年 月 日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘, 允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文的全 部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描 等复制手段保存、汇编学位论文。 (保密的学位论文在解密后应遵守此规定) 作者签名: 导师签名: 日期: 年 月 日 摘 摘 要 I I 摘 要 图像序列中运动目标跟踪是计算机视觉与图像处理领域中非常活跃的研究内 容,广泛的应用在军事制导、视频监控、智能交通、运动图像压缩编码等不同领 域。因此,运动目标跟踪算法的研究具有十分重要的意义。 运动目标跟踪的过程由两部分构成:首先是对目标的检测和提取,确定目标 在图像序列中的位置;接下来在连续图像帧中对目标进行位置关联,即完成目标 的定位工作,从而找出目标的运动轨迹。 本文主要是对运动目标跟踪方法进行了分析和实现,重点研究了两种不同的 目标跟踪方法,并有效解决了跟踪过程中出现的不同问题。本文的主要工作汇总 如下: 1. 运动目标的检测和提取是目标跟踪任务的前提和基础,目标检测的好坏直 接关系到后续处理过程中目标是否能正确有效的跟踪上。目标检测的算法主要有 背景差分法、帧间差分法和光流法,本文对各种检测算法进行了实验分析,并指 出了各自的适用范围和优缺点。 2. 关于目标跟踪方法的研究,本文介绍了目标跟踪的过程及其分类,并分析 和实现了几种常用的目标跟踪方法:如均值漂移算法、卡尔曼滤波算法和粒子滤 波算法。 3. 针对均值漂移算法在目标遮挡和复杂场景中因为不能有效对运动目标状态 进行预测从而导致目标跟踪丢失的情况,将其与卡尔曼滤波算法融合,然后针对 目标严重遮挡和光照变化复杂的情况对该融合算法做了相应改进,引入目标遮挡 判定和目标模型更新机制,最后通过实验验证了本文改进算法的有效性和实时性。 4. 针对粒子滤波算法中粒子退化的问题,本文创新性地将 KLD-Sampling 算法 与高斯粒子滤波算法结合,避免了粒子退化现象,实现了跟踪过程中粒子数的自 适应,提高了算法跟踪的鲁棒性和稳定性。最后本文进行了跟踪对比实验,证明 了改进算法的有效性。 关键词:目标检测,目标跟踪,均值漂移,卡尔曼滤波,粒子滤波 AB ABSTRACT II II ABSTRACT Moving object tracking in image sequence is a hot research focus in the field of computer vision and image processing. It is widely used in military guidance, video surveillance, intelligent transportation, moving image compression coding and other fields. Therefore, the study of moving object tracking algorithm has a very important practical meaning. Moving object tracking process consists of two parts: first, the detection and extraction of the target to determine the target position in the image sequence; then the association with the target position in successive image frames, which is used to complete the target location thus find the target trajectory. The main content of this paper is analysis and implementation to the moving object tracking method, and the research is mainly focused on the two different
显示全部
相似文档