【摘要】：隨著計算機軟硬件的飛速發(fā)展,基于視頻圖像的目標識別與跟蹤技術(shù)開始在軍事制導、視覺導航、智能監(jiān)控、醫(yī)療診斷等領(lǐng)域發(fā)揮重要的作用。而局部描述算子的引入極大地促進了目標識別與跟蹤技術(shù)的發(fā)展。論文首先概述了目標識別與跟蹤技術(shù)的發(fā)展現(xiàn)狀及發(fā)展趨勢,研究了基于特征的目標跟蹤算法工作流程及基本原理。并通過三幀差法實現(xiàn)了對運動目標的檢測。在對基于特征的目標跟蹤算法研究中,選用RGB顏色空間作為目標特征,利用Visual Studio2013實現(xiàn)了基于RGB顏色圖像模板的跟蹤算法和基于RGB顏色特征的Meanshift算法。為提高跟蹤算法的跟蹤穩(wěn)定性和跟蹤效率,以改進的局部二值模式(LBP算法)提取的紋理特征量為目標特征,實現(xiàn)了基于紋理特征的目標識別與跟蹤算法。并在此基礎(chǔ)上融合了紋理特征和顏色特征,實現(xiàn)了基于融合特征的Meanshift跟蹤算法。經(jīng)過實驗得出基于紋理特征的模板匹配算法和基于融合特征的Meansihft跟蹤算法分別在跟蹤穩(wěn)定性和跟蹤效率方面具有顯著的提高。論文最后針對所提出的跟蹤算法進行整合,并提出一種改進的基于模板匹配和Meanshift的雙模跟蹤算法,通過對算法的實踐得出,該算法即對光照變化、局部遮擋、相似背景的干擾不敏感,又解決了對目標被大面積遮擋而無法跟蹤的問題。
【學位授予單位】：北京理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：E933;TP391.41
【圖文】：

計方法的選擇ft 算法中，需要將特征向量變換為目標特征的概率密進行概率密度估計。而常用的概率密度估計的方法有密度估計[20]。密度估計的方法如圖 2.3 所示：

圖 2.4Meanshif 向量漂移過程eanshift 向量逐漸向密度最大區(qū)域偏移，并在 meanshift 向量在迭代過程中不收斂的話，文對 meanshift 算法的收斂性進行證明。性的證明斂性等價于命題：如果核函數(shù)是由一個遞減,2和, { ( )}h kf j 遞減收斂。如果命題成立則，M一個固定值，所以序列, { ( )}h kf j 是有界的，, 12 2, ( ) (|| || ) (|| || k dj i j ih kdcy x y xf j k knh h h+ = 凹函數(shù)，所以對于定義域內(nèi)的任意不相等的1 2'1( ) ( )( )k x k xk xx x ≥ （2.31

【相似文獻】

相關(guān)期刊論文 前10條

1 張京愛;王興軍;胡青松;;基于紋理特征的穿梭分析系統(tǒng)動物檢測算法[J];佳木斯大學學報(自然科學版);2014年03期

2 劉星明;劉則毅;劉曉利;李阿蒙;;基于體積和紋理特征的深度像匹配[J];深圳大學學報(理工版);2012年01期

3 陳錦源;高太長;劉磊;韓文宇;;基于小波變換與紋理特征分析的地基云圖識別[J];氣象水文海洋儀器;2014年01期

4 郭治成;;基于信號處理描述紋理特征方法[J];中國新技術(shù)新產(chǎn)品;2012年21期

5 魯文波;蔣偉康;潘思偉;向上;;基于近場聲全息聲像圖紋理特征的機械故障診斷方法[J];振動工程學報;2013年04期

6 魯文波;蔣偉康;侯俊劍;;基于波束形成聲像圖紋理特征的機械故障診斷方法[J];振動工程學報;2011年04期

7 孫勁光;尹達;張華偉;;基于顏色和紋理特征的圖像檢索技術(shù)研究[J];河北工業(yè)大學學報;2008年06期

8 張睿;張繼賢;李海濤;;基于角度紋理特征及剖面匹配的高分辨率遙感影像帶狀道路半自動提取[J];遙感學報;2008年02期

9 徐金明;羌培;張鵬飛;;粉質(zhì)黏土圖像的紋理特征分析[J];巖土力學;2009年10期

10 張元元;李靜;姜樹明;楊子江;張江州;;步態(tài)能量圖的局部紋理特征分析方法[J];吉林大學學報(工學版);2013年S1期

相關(guān)會議論文 前10條

1 田學東;郭寶蘭;;基于紋理特征的版式識別研究[A];輝煌二十年——中國中文信息學會二十周年學術(shù)會議論文集[C];2001年

2 殷積東;劉博;王少輝;;基于粗糙集理論和關(guān)聯(lián)規(guī)則的腐蝕區(qū)域紋理特征檢測算法研究[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

3 秦鐘;;基于紋理特征的車輛分割方法[A];第二十七屆中國控制會議論文集[C];2008年

4 王建新;周晨波;于文英;;利用紋理特征分析激光散斑圖像[A];第十一屆全國光學測試學術(shù)討論會論文（摘要集）[C];2006年

5 王宇生;陳純;;一種用于圖像檢索的紋理特征[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

6 龔紅菊;姬長英;;基于紋理特征的麥穗產(chǎn)量測量方法研究[A];2007年中國農(nóng)業(yè)工程學會學術(shù)年會論文摘要集[C];2007年

7 常哲;侯榆青;程濤;李明俐;劉黎寧;;綜合顏色和紋理特征的圖像檢索[A];全國第三屆信號和智能信息處理與應(yīng)用學術(shù)交流會�？痆C];2009年

8 趙銀娣;蔡燕;;紋理特征在高空間分辨率遙感影像分類中的應(yīng)用探討[A];《測繪通報》測繪科學前沿技術(shù)論壇摘要集[C];2008年

9 秦健;李濤;;基于Contourlet變換提取云的旋轉(zhuǎn)不變紋理特征[A];2009第五屆蘇皖兩省大氣探測、環(huán)境遙感與電子技術(shù)學術(shù)研討會專輯[C];2009年

10 張樹恒;陽維;廖廣姍;王蓮蕓;張素;;基于形狀和紋理特征的致敏花粉顯微圖像識別[A];中華醫(yī)學會2010年全國變態(tài)反應(yīng)學術(shù)會議暨中歐變態(tài)反應(yīng)高峰論壇參會指南/論文匯編[C];2010年

相關(guān)博士學位論文 前3條

1 周前進;基于紋理特征的打印文檔機源認證技術(shù)研究[D];武漢大學;2015年

2 夏瑜;基于結(jié)構(gòu)的紋理特征及應(yīng)用研究[D];中國科學技術(shù)大學;2014年

3 李伯宇;圖像紋理分析及分類方法研究[D];復旦大學;2007年

相關(guān)碩士學位論文 前10條

1 李強;基于顏色與紋理特征的圖像檢索技術(shù)研究[D];河北大學;2015年

2 田甜;面向?qū)ο蟮纳种脖活愋托畔⑻崛〖夹g(shù)[D];東北林業(yè)大學;2015年

3 崔巍;基于紋理特征的地表覆蓋分類算法研究[D];南京理工大學;2015年

4 宋歌聲;利用超聲圖像紋理特征鑒別甲狀腺結(jié)節(jié)良惡性的研究[D];山東大學;2015年

5 廖聲揚;數(shù)字視頻復制—粘貼篡改被動取證研究[D];福建師范大學;2015年

6 牧其爾;基于紋理特征的人工梭梭林生物量遙感估測研究[D];內(nèi)蒙古師范大學;2015年

7 張瑞英;基于多源遙感數(shù)據(jù)的森林郁閉度估測方法研究[D];內(nèi)蒙古師范大學;2015年

8 黃源;基于區(qū)域語義模板的刑偵圖像檢索算法研究[D];西安郵電大學;2015年

9 趙玉丹;基于LBP的圖像紋理特征的提取及應(yīng)用[D];西安郵電大學;2015年

10 林婉晴;城市不透水面信息提取方法及應(yīng)用研究[D];福建師范大學;2015年

本文編號：2727795