本文關(guān)鍵詞： 目標(biāo)跟蹤 金字塔LK光流法 光流信息 Kalman預(yù)估器 SVT　出處：《江西理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：目標(biāo)跟蹤適用于我們生活中的方方面面,同時(shí)在工業(yè)生產(chǎn)中也扮演了相當(dāng)緊要的角色。目標(biāo)跟蹤的目的在于通過視頻序列不間斷的定位到目標(biāo)的當(dāng)前位置,而難點(diǎn)在于跟蹤過程中目標(biāo)姿態(tài)、背景的不斷變化、以及目標(biāo)被遮擋等問題。本文主要探究將光流法應(yīng)用到目標(biāo)跟蹤框架中的課題。光流法是目標(biāo)跟蹤中的一類重要算法,同時(shí)也是一種利用光流方程求解目標(biāo)在圖像平面上運(yùn)動(dòng)參數(shù)的方法。由于光流方程約束條件不足,許多基于其他假設(shè)的光流法被提了出來。本文對(duì)光流法進(jìn)行了深入分析,采用了最為廣泛的金字塔LK光流法為基礎(chǔ),發(fā)現(xiàn)了幾點(diǎn)待優(yōu)化之處,并提出相應(yīng)的解決策略,論文主要工作如下:(1)闡述了光流法目標(biāo)跟蹤的定義和基本框架,指出光流法的理論基礎(chǔ)是光流方程,并且可以分為稠密光流和稀疏光流兩類方法。表明了本文采用的是基于特征點(diǎn)匹配的稀疏光流法,梳理了常用的特征點(diǎn)和光流法的原理與不足。介紹了常用的兩種性能較好的光流法,同時(shí)對(duì)比了這兩種光流法各自的優(yōu)點(diǎn)與不足,說明了進(jìn)一步優(yōu)化相關(guān)算法的必要性。(2)針對(duì)光流匹配在遮擋時(shí)出錯(cuò)、LK光流法在背景和拍攝設(shè)備同時(shí)運(yùn)動(dòng)的復(fù)雜動(dòng)態(tài)背景下目標(biāo)與背景特征點(diǎn)難以區(qū)分等問題,結(jié)合目標(biāo)跟蹤框架的特點(diǎn),給出了一種利用Kalman預(yù)估器和LK特征點(diǎn)光流信息的優(yōu)化跟蹤算法。首先利用光流信息定義了狀態(tài)向量來篩選目標(biāo)特征點(diǎn);之后為了提高光流法在遮擋時(shí)的匹配精度,結(jié)合了Kalman預(yù)估器來實(shí)行優(yōu)化。實(shí)驗(yàn)證明,優(yōu)化算法在緩慢或者快速移動(dòng)運(yùn)動(dòng)場景中的性能均表現(xiàn)良好,并且確保了有遮擋時(shí)跟蹤精度不會(huì)降低。(3)針對(duì)基于SVM內(nèi)核的SVT跟蹤算法的得分不能夠區(qū)分臨近的同類干擾物、光流法和SVT跟蹤算法對(duì)遮擋情況非常敏感的問題,給出了結(jié)合光流方程與SVT的改進(jìn)方案。首先利用光流方程和SVT建立超定方程,求解得到的運(yùn)動(dòng)參數(shù)對(duì)同類干擾物具有魯棒性,同時(shí)利用Kalman預(yù)估算法對(duì)運(yùn)動(dòng)參數(shù)進(jìn)行估計(jì),確保遮擋情況下訓(xùn)練器得分不會(huì)偏低。實(shí)驗(yàn)結(jié)果表明,在對(duì)道路上的車輛跟蹤時(shí),改進(jìn)方法能夠避免目標(biāo)附近其他車輛的干擾,同時(shí)能夠有效地提高目標(biāo)車輛在部分遮擋時(shí)的跟蹤精度。
[Abstract]:Target tracking is suitable for every aspect of our life and plays a very important role in industrial production. The goal of target tracking is to locate the current position of the target continuously through video sequences. The difficulty lies in the change of target attitude and background in the tracking process. This paper mainly discusses the application of optical flow method to target tracking framework. Optical flow method is an important algorithm in target tracking. At the same time, it is also a method to solve the motion parameters of the target in the image plane by using the optical flow equation, because the constraint condition of the optical flow equation is insufficient. Many optical flow methods based on other hypotheses have been proposed. In this paper, the optical flow method is deeply analyzed, and the most widely used pyramid LK optical flow method is used as the basis, and several points for optimization are found. The main work of this paper is as follows: 1) the definition and basic framework of the optical flow method for target tracking are expounded, and the theoretical basis of the optical flow method is the optical flow equation. And it can be divided into dense optical flow and sparse optical flow, which shows that this method is based on feature point matching. The principles and shortcomings of the characteristic points and optical flow methods are summarized. Two optical flow methods with good performance are introduced, and the advantages and disadvantages of the two optical flow methods are compared. It explains the necessity of further optimizing the correlation algorithm. 2) aiming at the error of optical flow matching in occlusion. The LK optical flow method is difficult to distinguish between the target and the background feature points in the complex dynamic background in which the background and the shooting equipment are moving simultaneously, which combines the characteristics of the target tracking framework. An optimal tracking algorithm based on Kalman predictor and LK feature point optical flow information is presented. Firstly, the state vector is defined to filter the target feature points. After that, in order to improve the matching accuracy of optical flow method in occlusion, the Kalman predictor is used to optimize. The experimental results show that the optimization algorithm performs well in slow or fast moving scenes. And it ensures that the tracking accuracy will not be reduced when there is occlusion.) the score of SVT tracking algorithm based on SVM kernel can not distinguish the adjacent interference. Optical flow method and SVT tracking algorithm are very sensitive to occlusion. An improved scheme combining optical flow equation with SVT is presented. Firstly, the overdetermined equation is established by using optical flow equation and SVT. The obtained motion parameters are robust to the same kind of interference, and the motion parameters are estimated by using Kalman estimation algorithm to ensure that the score of the trainer is not low under occlusion. The experimental results show that. When tracking vehicles on the road, the improved method can avoid the interference of other vehicles near the target and improve the tracking accuracy of the vehicle in partial occlusion.
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王秉;王子衡;;非高斯噪聲背景下計(jì)算機(jī)視覺目標(biāo)跟蹤方法[J];華僑大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年06期

2 魏全祿;老松楊;白亮;;基于相關(guān)濾波器的視覺目標(biāo)跟蹤綜述[J];計(jì)算機(jī)科學(xué);2016年11期

3 彭端;;基于點(diǎn)對(duì)矢量場的動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)跟蹤算法研究[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2016年30期

4 王華;王倩;顧鑫;李瀟;曹建文;夏耘;;基于雙向稀疏光流融合的小目標(biāo)檢測方法[J];電視技術(shù);2016年03期

5 趙曉健;曾曉勤;;基于稠密光流軌跡和稀疏編碼算法的行為識(shí)別方法[J];計(jì)算機(jī)應(yīng)用;2016年01期

6 于明;;基于嵌入式系統(tǒng)的運(yùn)動(dòng)目標(biāo)跟蹤視頻監(jiān)控系統(tǒng)的設(shè)計(jì)[J];自動(dòng)化與儀器儀表;2015年12期

7 喻津;周浩杰;柴志雷;;一種基于眾核架構(gòu)的稠密光流并行計(jì)算方法[J];計(jì)算機(jī)工程與應(yīng)用;2016年16期

8 李靜宇;劉艷瀅;田睿;王延杰;姜瑞凱;;視頻監(jiān)控系統(tǒng)中的概率模型單目標(biāo)跟蹤框架[J];光學(xué)精密工程;2015年07期

9 許慧芳;許亞軍;;智能視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)跟蹤的研究[J];電視技術(shù);2014年19期

10 王棟;朱虹;康凱;趙永飛;;基于背景補(bǔ)償引導(dǎo)的動(dòng)態(tài)場景下目標(biāo)跟蹤算法[J];儀器儀表學(xué)報(bào);2014年06期

相關(guān)博士學(xué)位論文 前3條

1 賀文驊;基于計(jì)算機(jī)視覺的復(fù)雜場景下目標(biāo)跟蹤研究[D];西安電子科技大學(xué);2015年

2 崔雨勇;智能交通監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究[D];華中科技大學(xué);2012年

3 李崢;智能視頻監(jiān)控中的遮擋目標(biāo)跟蹤技術(shù)研究[D];華中科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前9條

1 黃中杰;基于稠密光流軌跡的人體行為識(shí)別研究[D];東北大學(xué);2014年

2 陳佩珩;復(fù)雜背景下動(dòng)態(tài)目標(biāo)跟蹤技術(shù)研究[D];中北大學(xué);2013年

3 趙建;基于三幀差法的運(yùn)動(dòng)目標(biāo)檢測方法研究[D];西安電子科技大學(xué);2013年

4 丁尤蓉;基于特征點(diǎn)的目標(biāo)跟蹤算法研究[D];南京航空航天大學(xué);2013年

5 韓鈞宇;基于稀疏模型的高精度光流估計(jì)方法研究[D];西安電子科技大學(xué);2012年

6 張鐘漢;各向異性的微分光流和匹配光流算法[D];西安電子科技大學(xué);2011年

7 劉濤;基于光流場的視頻車輛檢測與跟蹤算法研究與應(yīng)用[D];武漢科技大學(xué);2011年

8 胡鵬;Kalman濾波在視頻目標(biāo)跟蹤中的應(yīng)用研究[D];重慶大學(xué);2010年

9 付向南;靜止背景下運(yùn)動(dòng)目標(biāo)跟蹤算法分析比較[D];吉林大學(xué);2008年

，

本文編號(hào)：1492079