【摘要】：隨著計(jì)算機(jī)視覺(jué)領(lǐng)域的飛速發(fā)展,基于靜態(tài)背景下的目標(biāo)跟蹤方法研究成為時(shí)下計(jì)算機(jī)相關(guān)專(zhuān)業(yè)研究的熱點(diǎn)。本文主要研究以視頻圖像為研究對(duì)象的靜態(tài)背景下的多目標(biāo)的跟蹤方法研究,其次進(jìn)行模擬圖像的仿真實(shí)驗(yàn)。目標(biāo)跟蹤技術(shù)在視覺(jué)導(dǎo)航、智能控制、人機(jī)交互和精確制導(dǎo)等領(lǐng)域有著廣泛的應(yīng)用。研究靜態(tài)背景圖像目標(biāo)跟蹤方法有著其現(xiàn)實(shí)應(yīng)用意義和價(jià)值。VIBE檢測(cè)方法作為近期被提出的一種基于背景模型的目標(biāo)檢測(cè)方法,以其直觀、快速的特點(diǎn)受到了國(guó)內(nèi)外眾多學(xué)者的關(guān)注,對(duì)VIBE檢測(cè)算法進(jìn)行深入的研究對(duì)目標(biāo)檢測(cè)技術(shù)的發(fā)展是有重要意義的。多目標(biāo)跟蹤領(lǐng)域的研究是本文研究的重點(diǎn),多目標(biāo)跟蹤技術(shù)在現(xiàn)實(shí)生活具有廣闊的應(yīng)用前景,但其研究比較復(fù)雜,本文對(duì)常用的粒子濾波方法進(jìn)行研究,在其基礎(chǔ)上對(duì)序貫蒙特卡羅PHD算法進(jìn)行研究和討論。本文首先介紹了靜態(tài)背景下多目標(biāo)跟蹤研究的現(xiàn)狀和意義,其次介紹了常用的目標(biāo)檢測(cè)方法,并向詳細(xì)介紹了 Vibe算法,并對(duì)其進(jìn)行了改進(jìn)。粒子濾波擁有相對(duì)其他算法可以應(yīng)用于非線性、非高斯系統(tǒng)的能力,本文使用該方法實(shí)現(xiàn)了視頻圖像下單、多目標(biāo)的跟蹤問(wèn)題。針對(duì)于粒子濾波粒子濾波方法應(yīng)用于多目標(biāo)跟蹤時(shí)具有只能跟蹤已知個(gè)數(shù)目標(biāo)、數(shù)據(jù)關(guān)聯(lián)運(yùn)算復(fù)雜費(fèi)時(shí)的限制,本文引入了 PHD算法,此算法可以處理未知數(shù)目目標(biāo)的情況,并且PHD算法并不需要實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)過(guò)程,所以這種方法的速度是優(yōu)于基于粒子濾波和數(shù)據(jù)關(guān)聯(lián)方法的多目標(biāo)跟蹤過(guò)程的,并將其應(yīng)用于模擬圖像仿真中。本文引入了 Science雜志中的一個(gè)簡(jiǎn)潔優(yōu)秀的聚類(lèi)方法-Clustering by fast search and find of density peaks,該算法對(duì)于與K-means等聚類(lèi)方法相比具有無(wú)輸入?yún)?shù),且其簡(jiǎn)單、快捷的優(yōu)點(diǎn)。
[Abstract]:With the rapid development of computer vision, the research of target tracking based on static background has become a hot topic in computer related research. This paper mainly studies the multi-target tracking method under the static background of video image, and then carries on the simulation experiment of the simulation image. Target tracking technology has been widely used in visual navigation, intelligent control, human-computer interaction and precision guidance. The research of static background image target tracking method has its practical significance and value. As a background model-based object detection method, VIBE is proposed recently, which is intuitionistic. Many scholars at home and abroad have paid close attention to the characteristics of fast detection. It is very important to study the VIBE detection algorithm for the development of target detection technology. The research of multi-target tracking field is the focus of this paper. The multi-target tracking technology has a broad application prospect in real life, but its research is quite complex. In this paper, the commonly used particle filter method is studied. On the basis of it, the sequential Monte Carlo PHD algorithm is studied and discussed. This paper first introduces the current situation and significance of the research on multi-target tracking in static background, then introduces the commonly used methods of target detection, and introduces the Vibe algorithm in detail, and improves it. Particle filter has the ability to be applied to nonlinear, non-Gao Si systems compared with other algorithms. In this paper, we use this method to realize the tracking problem of ordering and multi-target in video images. In view of the limitation that particle filter can only track a known number of targets when it is applied to multi-target tracking, and the data association operation is complicated and time-consuming, this paper introduces PHD algorithm, which can deal with the unknown number of targets. The PHD algorithm does not need to realize the data association process, so the speed of this method is better than that of the multi-target tracking process based on particle filter and data association method, and it is applied to the simulation of simulated images. In this paper, a simple and excellent clustering by fast search and find of density peaks, method in Science magazine is introduced. This algorithm has no input parameters compared with K-means clustering method, and it has the advantages of simplicity and rapidity.
【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10條

1 秦占師;張智軍;陳穩(wěn);馬贏;;基于改進(jìn)PHD粒子濾波的多目標(biāo)檢測(cè)前跟蹤算法[J];現(xiàn)代防御技術(shù);2015年04期

2 劉哲;王祖林;徐邁;劉景賢;楊藍(lán);;基于均方根容積粒子的SMC-PHD算法[J];北京航空航天大學(xué)學(xué)報(bào);2015年10期

3 陳旭;;改進(jìn)粒子濾波在行人跟蹤中的應(yīng)用[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年03期

4 樓益琦;;融合多特征與多算法的粒子濾波目標(biāo)跟蹤[J];電子技術(shù)與軟件工程;2014年21期

5 井沛良;徐世友;李賢;陳曾平;;多目標(biāo)跟蹤性能評(píng)估方法綜述[J];系統(tǒng)工程與電子技術(shù);2014年11期

6 楊峰;王永齊;梁彥;潘泉;;基于概率假設(shè)密度濾波方法的多目標(biāo)跟蹤技術(shù)綜述[J];自動(dòng)化學(xué)報(bào);2013年11期

7 錢(qián)志明;楊家寬;段連鑫;;基于視頻的車(chē)輛檢測(cè)與跟蹤研究進(jìn)展[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

8 楊亞?wèn)|;;光流法在運(yùn)動(dòng)目標(biāo)識(shí)別領(lǐng)域的理論與應(yīng)用[J];電子設(shè)計(jì)工程;2013年05期

9 孫毅剛;李鴻;張紅穎;;基于改進(jìn)混合高斯模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];計(jì)算機(jī)工程;2012年18期

10 歐陽(yáng)成;姬紅兵;郭志強(qiáng);;改進(jìn)的多模型粒子PHD和CPHD濾波算法[J];自動(dòng)化學(xué)報(bào);2012年03期

相關(guān)博士學(xué)位論文 前5條

1 穆治亞;紅外多目標(biāo)實(shí)時(shí)跟蹤方法的研究[D];中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所);2014年

2 王勇;移動(dòng)機(jī)器人的定位能力估計(jì)及定位[D];上海交通大學(xué);2014年

3 王愛(ài)俠;面向智能監(jiān)控系統(tǒng)的動(dòng)態(tài)場(chǎng)景建模與目標(biāo)跟蹤算法研究[D];東北大學(xué);2012年

4 韓華;基于改進(jìn)粒子濾波算法的多目標(biāo)智能視頻跟蹤研究[D];東華大學(xué);2012年

5 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 李桃;基于進(jìn)化編程及粒子群優(yōu)化的粒子濾波算法設(shè)計(jì)及實(shí)現(xiàn)[D];北京交通大學(xué);2015年

2 石恩強(qiáng);智能機(jī)器人的視頻處理與運(yùn)動(dòng)物體跟蹤[D];西安電子科技大學(xué);2012年

3 房文濤;基于低負(fù)載DSP平臺(tái)的目標(biāo)跟蹤算法研究[D];天津大學(xué);2012年

4 周大偉;視頻中運(yùn)動(dòng)目標(biāo)的結(jié)構(gòu)特征提取方法[D];國(guó)防科學(xué)技術(shù)大學(xué);2010年

5 劉菁宇;基于粒子濾波算法的室內(nèi)跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2010年

6 翟偉;自主光學(xué)導(dǎo)航非線性濾波算法研究[D];青島科技大學(xué);2010年

7 薄超;粒子濾波器算法的硬件實(shí)現(xiàn)[D];江蘇科技大學(xué);2010年

8 陳曦;基于粒子濾波的檢測(cè)前跟蹤算法研究[D];西安電子科技大學(xué);2009年

9 馮洋;多目標(biāo)跟蹤的數(shù)據(jù)關(guān)聯(lián)算法研究[D];西安電子科技大學(xué);2008年

10 紀(jì)運(yùn)紅;智能視覺(jué)監(jiān)控系統(tǒng)若干關(guān)鍵技術(shù)研究與實(shí)現(xiàn)[D];遼寧科技大學(xué);2007年

，

本文編號(hào)：2157922