本文選題：循環(huán)移位 + 顏色特征　； 參考：《哈爾濱工程大學(xué)》2016年碩士論文

【摘要】：運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)的重要研究領(lǐng)域,其在公共安全、武器制導(dǎo)、教育、醫(yī)療等方面具有廣闊的應(yīng)用前景。運(yùn)動(dòng)目標(biāo)的識(shí)別跟蹤是結(jié)合目標(biāo)識(shí)別與跟蹤的方法對(duì)圖像序列中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè),識(shí)別,跟蹤的過(guò)程。近年來(lái)隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展,運(yùn)動(dòng)目標(biāo)跟蹤成為熱點(diǎn)研究問(wèn)題。目前雖已有較多出色的目標(biāo)跟蹤算法,但在實(shí)際應(yīng)用中還面臨著諸多影響跟蹤的因素,如光照變化、運(yùn)動(dòng)目標(biāo)形變、尺度變化、背景干擾、目標(biāo)遮擋等,因此研究魯棒的運(yùn)動(dòng)目標(biāo)跟蹤算法仍是一項(xiàng)具有重要意義的課題。目前學(xué)術(shù)領(lǐng)域已出現(xiàn)不少出色的跟蹤算法,CSK跟蹤算法便是其中之一,其優(yōu)點(diǎn)在于利用循環(huán)移位的方法進(jìn)行稠密采樣并結(jié)合快速傅里葉變換進(jìn)行分類(lèi)器訓(xùn)練,跟蹤速度出眾。但其僅簡(jiǎn)單的使用目標(biāo)的灰度特征,對(duì)目標(biāo)外觀描述能力不足,分類(lèi)器的參數(shù)更新過(guò)于線(xiàn)性化無(wú)法適應(yīng)目標(biāo)發(fā)生較大變化時(shí)的跟蹤。所以本文針對(duì)上述算法存在的不足,借鑒CN算法對(duì)CSK算法的改進(jìn)思想,利用概率潛語(yǔ)意分析算法對(duì)運(yùn)動(dòng)目標(biāo)顏色特征進(jìn)行描述,同時(shí)采用PCA降維降低特征維度并去除特征冗余信息,對(duì)目標(biāo)特征描述更為簡(jiǎn)練與魯棒。在對(duì)分類(lèi)器的訓(xùn)練中,在原有參數(shù)更新方式中引入權(quán)重參數(shù)β并對(duì)參數(shù)更新方案進(jìn)行非線(xiàn)性化處理,使得分類(lèi)器的訓(xùn)練與更新趨于穩(wěn)定與準(zhǔn)確。接著對(duì)benchmark測(cè)試平臺(tái)的算法集與測(cè)試數(shù)據(jù)集進(jìn)行擴(kuò)充,利用擴(kuò)充后的測(cè)試平臺(tái)對(duì)改進(jìn)后的算法與現(xiàn)有的效果出色的目標(biāo)跟蹤算法進(jìn)行跟蹤精度、成功率以及時(shí)間魯棒性(TRE)、空間魯棒性(SRE)的對(duì)比分析,同時(shí)對(duì)改進(jìn)前后的算法也進(jìn)行上述指標(biāo)的對(duì)比分析。改進(jìn)后的算法對(duì)很多具有復(fù)雜特征的序列都有較好的跟蹤效果,如:光照變化、背景雜亂、遮擋、形變、運(yùn)動(dòng)模糊等。最后對(duì)改進(jìn)后的算法進(jìn)行實(shí)驗(yàn)驗(yàn)證,應(yīng)用改進(jìn)的目標(biāo)跟蹤算法,設(shè)計(jì)一個(gè)實(shí)驗(yàn)性的基于無(wú)人機(jī)的目標(biāo)識(shí)別跟蹤系統(tǒng)。以無(wú)人機(jī)作為控制目標(biāo),通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)進(jìn)行圖像數(shù)據(jù)傳輸,數(shù)據(jù)傳輸模塊進(jìn)行控制指令的通信,跟蹤地面運(yùn)動(dòng)小車(chē),進(jìn)行目標(biāo)自動(dòng)識(shí)別跟蹤實(shí)驗(yàn),并在實(shí)驗(yàn)過(guò)程中驗(yàn)證算法對(duì)跟蹤過(guò)程中出現(xiàn)的干擾因素的處理,實(shí)驗(yàn)結(jié)果表明算法識(shí)別跟蹤速度快,抗外界干擾能力強(qiáng)。
[Abstract]:Moving target tracking is an important research field in computer vision. It has a broad application prospect in public safety, weapon guidance, education, medical treatment and so on. The recognition and tracking of moving targets is the process of detecting, recognizing and tracking moving targets in the image sequence combined with the method of target recognition and tracking. In recent years, with the development of computer vision technology, moving target tracking has become a hot topic. Although there are many excellent target tracking algorithms, there are still many factors that affect tracking, such as illumination change, moving object deformation, scale change, background interference, target occlusion and so on. Therefore, the study of robust moving target tracking algorithm is still an important topic. At present, there are many excellent tracking algorithms in academic field, such as CSK tracking algorithm, which has the advantage of dense sampling with cyclic shift method and classifier training combined with fast Fourier transform (FFT), and the tracking speed is outstanding. However, it only uses the gray feature of the target simply, and its ability to describe the appearance of the target is insufficient, and the parameter update of the classifier is too linear to adapt to the tracking of the target when it changes greatly. Therefore, in view of the shortcomings of the above algorithms, this paper uses CN algorithm to improve the CSK algorithm and uses probabilistic latent semantic analysis algorithm to describe the color features of moving objects. At the same time, PCA is used to reduce the dimension of the feature and remove the redundant feature information, which is more concise and robust to the target feature description. In the training of classifier, the weight parameter 尾 is introduced into the original parameter updating mode and the parameter updating scheme is nonlinear, which makes the training and updating of classifier tend to be stable and accurate. Then, the algorithm set and test data set of benchmark test platform are extended, and the improved algorithm and the existing target tracking algorithm are used to track the precision of the improved algorithm. The success rate, time robustness and spatial robustness are compared and analyzed, and the improved algorithm is also compared with the above indexes. The improved algorithm has good tracking effect for many sequences with complex features, such as illumination variation, background clutter, occlusion, deformation, motion blur, etc. Finally, an experimental target recognition and tracking system based on UAV is designed by using the improved target tracking algorithm. The UAV is used as the control target, the image data is transmitted through wireless network, the data transmission module communicates the control instructions, tracks the ground motion vehicle, and carries on the target automatic recognition and tracking experiment. The experimental results show that the algorithm has high speed and strong ability to resist external interference.
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 朱文艷;李瑩;袁飛;馮少彤;聶守平;;基于JPEG壓縮編碼的小波域多圖像融合算法研究[J];激光技術(shù);2014年03期

2 姜學(xué)軍;萬(wàn)曉東;;模版漂移糾正的目標(biāo)跟蹤算法研究[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2013年24期

3 游培寒;胡瑜;盛平;王志民;;一種基于DSP和FPGA的自適應(yīng)模版匹配跟蹤系統(tǒng)設(shè)計(jì)[J];彈箭與制導(dǎo)學(xué)報(bào);2013年05期

4 江浩;;基于多目標(biāo)識(shí)別與跟蹤技術(shù)的視頻監(jiān)控應(yīng)用[J];中國(guó)公共安全(綜合版);2012年14期

5 余霽洲;劉慧霞;劉承禹;席慶彪;;AMAUKF應(yīng)用于無(wú)人機(jī)跟蹤目標(biāo)再捕獲研究[J];計(jì)算機(jī)測(cè)量與控制;2012年02期

6 馬艷娥;陳思;陳娟;劉妍;姚金杰;;基于多幅圖像平均法對(duì)數(shù)字圖像降噪的研究[J];電子測(cè)試;2011年06期

7 范保杰;朱琳琳;崔書(shū)平;李向軍;唐延?xùn)|;;旋翼無(wú)人機(jī)視覺(jué)跟蹤系統(tǒng)[J];紅外與激光工程;2011年01期

相關(guān)博士學(xué)位論文 前2條

1 張洪濤;四旋翼微型飛行器位姿及控制策略的研究[D];哈爾濱工業(yè)大學(xué);2014年

2 趙玲玲;目標(biāo)跟蹤中的粒子濾波與概率假設(shè)密度濾波研究[D];哈爾濱工業(yè)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 姜運(yùn)宇;旋翼無(wú)人機(jī)跟蹤地面移動(dòng)目標(biāo)的視覺(jué)控制[D];哈爾濱工業(yè)大學(xué);2014年

2 張平;基于CUDA的TLD視覺(jué)跟蹤算法研究[D];北京交通大學(xué);2014年

3 董亮;視頻多目標(biāo)跟蹤的理論與方法[D];西安電子科技大學(xué);2014年

4 劉昌旭;復(fù)雜環(huán)境下的粒子濾波目標(biāo)跟蹤算法研究[D];蘭州理工大學(xué);2013年

5 崔德靖;基于圖像序列的運(yùn)動(dòng)目標(biāo)三維重建方法研究[D];南昌航空大學(xué);2013年

6 張鋮;視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)的識(shí)別與跟蹤研究[D];河北科技大學(xué);2012年

7 戴鳳麟;無(wú)標(biāo)定的自適應(yīng)多視角跟蹤系統(tǒng)[D];復(fù)旦大學(xué);2012年

8 李珊珊;高速DSP的電視圖像跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];西安電子科技大學(xué);2012年

9 郭志強(qiáng);基于被動(dòng)多傳感器的機(jī)動(dòng)目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2012年

10 井亮;基于視覺(jué)圖像的移動(dòng)目標(biāo)跟蹤技術(shù)研究[D];南京航空航天大學(xué);2011年

，

本文編號(hào)：1969147