本文選題：視頻目標跟蹤 + Camshift�。� 參考：《江南大學》2017年碩士論文

【摘要】：作為計算機領域的一個重要研究課題,視頻目標跟蹤技術在軍事、監(jiān)控、汽車導航以及醫(yī)療領域等方面有非常廣闊的發(fā)展前景。隨著計算機技術的不斷發(fā)展,計算機的功能不斷得到強化,為了使計算機能模擬人類視覺神經系統的運動功能,視頻目標跟蹤技術應運而生。近年來,大量的研究學者對視頻目標跟蹤技術進行了深入研究,并提出了許多新穎的理論和相關跟蹤算法。但是,由于存在雜亂背景、局部遮擋、光照變化以及運動模糊等因素的干擾,視頻目標跟蹤技術依然存在很多問題。因此開發(fā)出具有高魯棒性、高準確性以及實用性的視頻目標跟蹤算法仍然面臨著挑戰(zhàn),并且具有廣闊的研究前景和實用價值。本文在研究經典視頻目標跟蹤算法的基礎上,結合數據挖掘領域的知識,提出三個改進算法用于提高跟蹤算法的跟蹤性能。(1)為了提高傳統Camshift算法在視頻跟蹤中的魯棒性,提出一種基于黑洞原理和Camshift算法的跟蹤算法,該算法利用黑洞原理對視頻序列的特征顏色分量權值進行選擇,根據最優(yōu)顏色分量權重重構圖像,將重構圖像轉化到HSV空間,計算HSV空間中H分量的顏色概率圖,利用顏色概率圖的一階矩以及零階矩得到目標的中心,從而提高跟蹤算法的精度。(2)針對目標跟蹤過程中目標物體的外觀變化影響,提高目標跟蹤的魯棒性,提出一種改進的稀疏外觀模型目標跟蹤算法,該算法通過從目標模板幾何中選取主要目標模板來降低目標模板數量。算法首先通過學習分類器得到目標特征,然后用黑洞原理獲取的模板字典表示目標,采用高斯分布運動模型獲取目標樣本,在貝葉斯框架下根據觀測模型獲取最優(yōu)目標位置實現跟蹤。(3)為了提高遮擋情況下目標跟蹤的精度,提出一種基于主成分分析的目標跟蹤算法,該算法利用主成分分析對目標模板進行更新,并對目標模板進行優(yōu)化處理,減少模板數量,提高跟蹤的精度和減少計算量。
[Abstract]:As an important research topic in the field of computer, video target tracking technology has a very broad prospect in military, surveillance, vehicle navigation and medical field. With the development of computer technology, the function of computer has been strengthened constantly. In order to make the computer simulate the motion function of human visual nervous system, video target tracking technology emerges as the times require. In recent years, a large number of researchers have carried out in-depth research on video target tracking technology, and put forward many novel theories and related tracking algorithms. However, due to the interference of clutter background, local occlusion, illumination change and motion blur, there are still many problems in video target tracking technology. Therefore, the development of video target tracking algorithm with high robustness, high accuracy and practicability still faces challenges, and has broad research prospects and practical value. Based on the research of classical video target tracking algorithm and the knowledge of data mining, this paper proposes three improved algorithms to improve the tracking performance of the tracking algorithm. In order to improve the robustness of the traditional Camshift algorithm in video tracking, this paper proposes three improved algorithms to improve the tracking performance of the tracking algorithm. A tracking algorithm based on black hole principle and Camshift algorithm is proposed. The black hole principle is used to select the weights of feature color components of video sequences. According to the optimal weight of color components, the reconstructed image is reconstructed and transformed into HSV space. The color probability map of H component in HSV space is calculated. The center of the target is obtained by using the first-order moment and the zero-order moment of the color probability map, so as to improve the accuracy of the tracking algorithm. To improve the robustness of target tracking, an improved sparse appearance model target tracking algorithm is proposed. The algorithm reduces the number of target templates by selecting the main target template from the geometry of the target template. Firstly, the target feature is obtained by learning classifier, then the target is represented by the template dictionary obtained by the black hole principle, and the target sample is obtained by using the Gao Si distributed motion model. In order to improve the accuracy of target tracking under occlusion, a tracking algorithm based on principal component analysis (PCA) is proposed. The algorithm uses principal component analysis to update the target template, and optimizes the target template to reduce the number of templates, improve the tracking accuracy and reduce the amount of calculation.
【學位授予單位】：江南大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 黨建武,黃建國;水下多目標跟蹤技術[J];探測與控制學報;2003年01期

2 馬家駒;;漫談視頻目標跟蹤技術[J];焦作大學學報;2013年04期

3 周宏仁;多目標跟蹤技術綜述[J];航空學報;1986年01期

4 楊威;付耀文;龍建乾;黎湘;;基于有限集統計學理論的目標跟蹤技術研究綜述[J];電子學報;2012年07期

5 張以杰;;多站多目標跟蹤技術的發(fā)展和存在的問題[J];西安電子科技大學學報;1988年03期

6 齊美彬;張莉;蔣建國;吳暉;;分塊跟蹤中的目標模板更新方法[J];中國圖象圖形學報;2011年06期

7 高浩軍,杜宇人;目標跟蹤技術及應用前景[J];現代電子技術;2004年24期

8 徐曼;;基于在線多示例學習的目標跟蹤[J];上海電力學院學報;2011年01期

9 鄭猛;;紅外多目標跟蹤技術研究[J];科技創(chuàng)業(yè)月刊;2012年11期

10 章飛;孫睿;;水下多目標跟蹤技術綜述[J];中外船舶科技;2012年03期

相關會議論文 前2條

1 索繼東;柳曉鳴;張潤澤;;雷達目標跟蹤技術發(fā)展評述[A];船舶通信與導航（1995）[C];1995年

2 王強;;圖像目標跟蹤技術綜述[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

相關博士學位論文 前10條

1 夏穎;WLAN室內半監(jiān)督定位及指紋更新算法研究[D];哈爾濱工業(yè)大學;2016年

2 朱素果;運動目標的跨尺度檢測與跟蹤方法研究[D];北京郵電大學;2016年

3 戴震龍;幾類問題基于自然邊界歸化的算法研究[D];南京師范大學;2017年

4 申璐榕;成像導引頭地面目標跟蹤技術研究[D];國防科學技術大學;2014年

5 楊明冬;空間非合作面目標跟蹤技術研究[D];中國科學院研究生院(上海技術物理研究所);2015年

6 田澍;基于檢測與跟蹤互反饋的多目標跟蹤技術及應用研究[D];北京科技大學;2016年

7 史永亮;自適應基因算法在表面界面問題的應用[D];中國科學技術大學;2017年

8 高文;機載光電平臺目標跟蹤技術的研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2012年

9 宋策;基于粒子濾波的目標跟蹤技術研究[D];中國科學院研究生院(長春光學精密機械與物理研究所);2014年

10 盧曉鵬;視頻序列中目標跟蹤技術研究[D];中國科學院研究生院（電子學研究所）;2007年

相關碩士學位論文 前10條

1 高曉儉;視頻目標跟蹤改進算法的研究[D];江南大學;2017年

2 葉曉平;高階多模型狀態(tài)估計算法及應用[D];哈爾濱工業(yè)大學;2017年

3 韋陽陽;兩類廣義多乘積規(guī)劃問題的優(yōu)化算法[D];河南師范大學;2017年

4 李曉萍;有約束條件優(yōu)化問題的MM算法[D];蘭州大學;2017年

5 張亞男;基于混合聚類算法的微博熱點話題發(fā)現的研究[D];杭州電子科技大學;2017年

6 鄒柯;無線傳感器網絡定位算法及其安全研究[D];杭州電子科技大學;2017年

7 張曉丹;WSN中基于改進粒子群優(yōu)化算法的分簇拓撲算法研究[D];鄭州大學;2017年

8 杜仲平;基于嵌入式的嬰兒哭聲報警算法研究[D];天津大學;2016年

9 孫佳男;視覺跟蹤檢測算法及其應用研究[D];江南大學;2017年

10 于暢;基于車載攝像頭的道路行人檢測算法研究[D];哈爾濱工業(yè)大學;2017年

，

本文編號：1986053