本文選題：視頻圖像　切入點：目標檢測　出處：《哈爾濱工程大學》2016年碩士論文

【摘要】：視頻圖像中目標檢測與跟蹤屬于機器視覺中的前端處理部分,通過對視頻圖像信息進行處理,實現計算機能夠代替人眼進行目標的識別與跟蹤功能,一直是機器視覺和計算機視覺的最終目的。如何從圖像序列中獲取有用的信息作為科研人員的研究方向已成為視頻圖像中目標檢測與跟蹤的理論基礎。視頻圖像目標檢測與跟蹤已大量應用于現實生活中的各種場景,在這些方面都顯示出對視頻圖像信息處理的重要應用價值。本課題主要關注視頻圖像中多目標跟蹤與軌跡保持方法,對圖像序列進行多目標跟蹤與軌跡保持等方面研究。第一,在由檢測到跟蹤方法中,圖像目標檢測是進行目標跟蹤的前提。使用基于圖像的顏色、梯度方向和梯度幅值等基本圖像特征的積分通道融合特征,結合基于boosting的決策樹分類器,生成目標檢測器,實現對圖像目標的準確檢測。第二,以自頂向下的處理思路,闡述了基于貝葉斯濾波框架的目標跟蹤原理。研究基于隨機有限集理論的概率假設密度濾波遞歸算法,對算法的兩種不同實現方式進行對比仿真實驗,最終確定使用高斯混合PHD濾波算法來進行圖像多目標跟蹤。第三,結合圖像目標表觀模型特點和高斯混合PHD算法的應用條件,提出適合用于圖像多目標跟蹤的高斯混合PHD自適應新生目標算法,通過在標準行人檢測數據集上實驗,驗證跟蹤算法的性能。第四,針對PHD濾波處理并不能實現多目標跟蹤運動軌跡情況,構建圖像多目標能量函數,將視頻多目標跟蹤問題轉化為能量函數優(yōu)化求解問題。把經過跟蹤濾波算法處理的圖像序列作為輸入,進行多次迭代,實現視頻圖像多目標跟蹤軌跡。
[Abstract]:Object detection and tracking in video images is a part of front-end processing in machine vision. By processing the video image information, the computer can replace the human eyes to recognize and track the target. It has always been the ultimate goal of machine vision and computer vision. How to obtain useful information from image sequences as the research direction of researchers has become the theoretical basis of target detection and tracking in video images. Target detection and tracking have been widely used in various scenarios in real life. In these aspects, it shows the important application value to video image information processing. This subject mainly pays attention to the method of multi-target tracking and track keeping in video image, and carries on the multi-target tracking and trajectory keeping to the image sequence and so on. First, Image target detection is the premise of target tracking in the detection and tracking method. The integral channel fusion feature based on the basic image features such as color, gradient direction and gradient amplitude is used, and the decision tree classifier based on boosting is combined. Generation of target detector to achieve accurate detection of image targets. Second, to top-down processing ideas, This paper introduces the principle of target tracking based on Bayesian filtering framework, studies the recursive algorithm of probability hypothetical density filtering based on stochastic finite set theory, and makes a comparative simulation experiment on two different realization methods of the algorithm. Finally, Gao Si hybrid PHD filter algorithm is used for image multi-target tracking. Thirdly, considering the characteristics of the image target model and the application conditions of Gao Si hybrid PHD algorithm, Gao Si hybrid PHD adaptive newborn target algorithm suitable for image multi-target tracking is proposed. The performance of the tracking algorithm is verified by experiments on standard pedestrian detection data set. Fourth, In view of the fact that the PHD filter can not realize the multi-target tracking, the multi-target energy function is constructed. The video multi-target tracking problem is transformed into the energy function optimization problem, and the image sequence processed by the tracking filtering algorithm is taken as the input, and the multi-target tracking trajectory of the video image is realized through several iterations.
【學位授予單位】：哈爾濱工程大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前5條

1 蔡強;劉亞奇;曹健;毛典輝;牛群;;圖像目標類別檢測綜述[J];計算機科學與探索;2015年03期

2 文學志;方巍;鄭鈺輝;;一種基于類Haar特征和改進AdaBoost分類器的車輛識別算法[J];電子學報;2011年05期

3 孫君頂;馬媛媛;;紋理特征研究綜述[J];計算機系統(tǒng)應用;2010年06期

4 趙其杰;屠大維;高健;黃志華;;基于Kalman濾波的視覺預測目標跟蹤及其應用[J];光學精密工程;2008年05期

5 侯志強;韓崇昭;;視覺跟蹤技術綜述[J];自動化學報;2006年04期

相關博士學位論文 前4條

1 呂敬欽;視頻行人檢測及跟蹤的關鍵技術研究[D];上海交通大學;2013年

2 王守佳;基于圖像的人體檢測跟蹤和人臉識別的研究[D];吉林大學;2013年

3 李彤;智能視頻監(jiān)控下的多目標跟蹤技術研究[D];中國科學技術大學;2013年

4 張鶴冰;概率假設密度濾波算法及其在多目標跟蹤中的應用[D];哈爾濱工程大學;2012年

相關碩士學位論文 前2條

1 胡威;基于Meanshift的視頻人體目標跟蹤算法研究[D];上海交通大學;2013年

2 趙欣;基于隨機集理論的被動多傳感器多目標跟蹤技術[D];西安電子科技大學;2009年

，

本文編號：1695484