隨著智能化設(shè)備的興起,計算機視覺的研究越來越受到人們的關(guān)注,而目標(biāo)跟蹤作為其中的一個研究方向,扮演著重要的角色,被廣泛應(yīng)用于智能視頻監(jiān)控、人機交互、虛擬現(xiàn)實、機器人視覺導(dǎo)航、視頻剪輯與分析、醫(yī)學(xué)診斷等領(lǐng)域。目前,國內(nèi)外對一般目標(biāo)跟蹤的研究較為廣泛,取得了不錯的效果,但對擴展目標(biāo)跟蹤的研究卻很少,現(xiàn)有的算法都只能解決特定場景下的跟蹤問題。擴展目標(biāo)與一般目標(biāo)相比所占視場比例范圍較大,在運動過程中除了會出現(xiàn)尺度變化、光照變化、旋轉(zhuǎn)變化、形變等情況外,還有可能會超出視場范圍。另外,擴展目標(biāo)擁有較為豐富的邊緣、紋理、形狀、關(guān)鍵點等特征,這些特征能夠幫助跟蹤算法建立一個魯棒的模型。因此,本文從特征提取與表示的角度出發(fā),對擴展目標(biāo)跟蹤算法進(jìn)行了深入研究。本文主要研究工作包括:1.介紹了目標(biāo)跟蹤的研究背景和意義,分析了當(dāng)下國內(nèi)外的研究現(xiàn)狀,重點對判別式方法相關(guān)濾波進(jìn)行了介紹,發(fā)現(xiàn)其具有穩(wěn)定跟蹤的優(yōu)點,可以為擴展目標(biāo)跟蹤提供一個穩(wěn)定的框架;然后介紹了常見的特征提取與表示方法,對其進(jìn)行了分類,并通過實驗對比分析其優(yōu)缺點和使用場景;最后深入研究了廣義霍夫變換,分析其能夠?qū)θ我庑螤畹奈矬w進(jìn)行檢測的原理,發(fā)現(xiàn)其...

【文章頁數(shù)】：91 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1.1三種目標(biāo)的示例

第1章緒論3在利用擴展目標(biāo)豐富的細(xì)節(jié)特征對目標(biāo)進(jìn)行表觀建模，增強跟蹤算法的適應(yīng)性和魯棒性。(a)弱小目標(biāo)(b)一般目標(biāo)(c)擴展目標(biāo)圖1.1三種目標(biāo)的示例Figure1.1Exampleofthreetargets1.2擴展目標(biāo)跟蹤領(lǐng)域主要面臨的挑戰(zhàn)擴展目標(biāo)與一般目標(biāo)相比，所占視....

圖2.1FAST角點檢測原理，引自文獻(xiàn)[68]

基于特征表示的擴展目標(biāo)跟蹤技術(shù)研究12等。特征點檢測就是要找到圖像中關(guān)鍵點（角點）的位置。Moravec是最早的特征點檢測算法，該算法計算某個像素點四個方向（水平，垂直、對角線，反對角線）的灰度方差，取最小值作為該像素點的興趣值，然后通過像素點的興趣值判斷該像素點是否是候選角點，....

圖2.33*3圖像區(qū)域

基于特征表示的擴展目標(biāo)跟蹤技術(shù)研究16參數(shù)調(diào)節(jié)。該算法首先計算每個像素點的水平線角度（與該像素點梯度方向垂直的線的角度）得到一個水平線場（Level-LineField），然后在水平線場中使用區(qū)域生長法進(jìn)行切割得到線支持區(qū)域（LineSupportRegions），并對其進(jìn)行矩形....

圖2.5循環(huán)移位，引自文獻(xiàn)[33]

基于特征表示的擴展目標(biāo)跟蹤技術(shù)研究202.3.2循環(huán)矩陣目前主流的跟蹤方法大多都基于檢測（tracking-by-detection），如：機器學(xué)習(xí)加圖像特征類的方法和相關(guān)濾波類方法。這些方法通常需要采集（稀疏采樣）大量的訓(xùn)練樣本進(jìn)行模型訓(xùn)練，而大樣本量會導(dǎo)致計算量的增加。另一方....

本文編號：3960726