發(fā)布時間：2018-08-14 18:20

【摘要】：視頻序列的目標跟蹤是計算機視覺領域的一個關鍵技術,是高級機器視覺的研究基礎,有著廣泛的應用。由于目標外觀變化、復雜的環(huán)境和目標尺度變化等干擾的存在,現(xiàn)有的目標跟蹤算法在實際的應用中仍存在跟蹤漂移、跟蹤目標丟失等問題。針對這些問題,本文對基于區(qū)域特征的均值漂移跟蹤算法和壓縮跟蹤算法進行研究和優(yōu)化以提高算法的高效性,主要工作如下：在均值漂移算法的基礎上,針對均值漂移跟蹤算法易受相似顏色的背景干擾的問題,提出了一種雙權值算法,結合背景削弱權值與中心加權權值,使算法對目標的建模更加準確,提高了算法的抗干擾能力；針對均值漂移跟蹤算法缺少目標模板更新模塊的問題,提出了一種模板更新策略,解決了原始算法在跟蹤過程中受遮擋、光照、形變等不確定因素的影響時導致的跟蹤漂移現(xiàn)象,保證了跟蹤的穩(wěn)定性；為解決均值漂移跟蹤算法跟蹤窗大小固定不變,在長時間跟蹤中導致目標定位偏差甚至跟蹤失敗的問題,利用CAMShift算法中的尺寸更新方法,通過反向投影圖的零階矩和一階矩更新跟蹤窗尺寸,有效地適應了跟蹤過程中目標尺寸的變化。在壓縮感知理論的基礎上,針對遮擋、外觀變化和目標移動速度對壓縮跟蹤算法的影響,提出一種樣本選擇方法和學習因子更新策略。根據(jù)正樣本與目標中心的距離,分配正樣本不同的權值以增強樣本的差異性,同時通過前后兩幀圖像的巴氏系數(shù)關系實時更新模型參數(shù)的學習因子,提高了算法的跟蹤穩(wěn)定性。實驗表明,優(yōu)化的算法在滿足實時性的基礎上增強了跟蹤的有效性。
[Abstract]:Video sequence target tracking is a key technology in the field of computer vision. It is the research foundation of advanced machine vision and has a wide range of applications. Aiming at these problems, this paper studies and optimizes the mean shift tracking algorithm based on region feature and the compression tracking algorithm to improve the efficiency of the algorithm. The main work is as follows: Based on the mean shift algorithm, aiming at the problem that the mean shift tracking algorithm is susceptible to the background interference of similar colors, a new algorithm is proposed. Dual-weight algorithm combines background weakening weight and central weighting weight to make the algorithm more accurate in modeling the target and improve the anti-jamming ability of the algorithm. Tracking drift caused by uncertain factors such as deformation guarantees the stability of tracking. In order to solve the problem that the tracking window size of mean shift tracking algorithm is fixed, which leads to target positioning deviation and even tracking failure in long-term tracking, the size updating method of CAMShit algorithm is used to solve the problem by using the back projection graph. Zero-order moment and first-order moment update the tracking window size, which effectively adapts to the change of target size in the tracking process. Based on compressed sensing theory, a sample selection method and a learning factor update strategy are proposed according to the influence of occlusion, appearance change and moving speed of target on the compressed tracking algorithm. Distance is allocated to different weights of positive samples to enhance the diversity of samples. The learning factors of model parameters are updated in real-time by the relationship between the Barkhausen coefficients of the previous two frames to improve the tracking stability of the algorithm.
【學位授予單位】：中北大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 馬麗;常發(fā)亮;喬誼正;劉增曉;;基于改進的均值漂移算法的目標跟蹤[J];計算機工程;2006年24期

2 周芳芳;樊曉平;葉榛;;均值漂移算法的研究與應用[J];控制與決策;2007年08期

3 魏坤;趙永強;潘泉;張洪才;;基于均值漂移和粒子濾波的紅外目標跟蹤[J];光電子.激光;2008年02期

4 何文媛;韓斌;徐之;宋敬海;;基于粒子濾波和均值漂移的目標跟蹤[J];計算機工程與應用;2008年11期

5 劉技;康曉東;賈富倉;;基于圖割與均值漂移算法的脊椎骨自動分割[J];計算機應用;2011年03期

6 楊洪;范新南;巫鵬;史鵬飛;;基于均值漂移聚類算法的背景重構[J];科學技術與工程;2013年07期

7 左軍毅;趙春暉;梁彥;潘泉;張洪才;;一種具有跟蹤外觀變化目標能力的均值漂移算法[J];計算機科學;2007年10期

8 孫申申;李宏;康雁;趙宏;;均值漂移帶寬選取新方法及其在分割肺結節(jié)中的應用[J];東北大學學報(自然科學版);2008年09期

9 李同鑫;熊紅凱;;基于均值漂移的視頻目標跟蹤改進算法[J];信息技術;2010年03期

10 張玉珍;王建宇;戴躍偉;魏帶娣;;一種基于均值漂移的視頻場景檢測方法[J];中國圖象圖形學報;2010年02期

相關會議論文 前6條

1 趙晶晶;諶海新;劉星彤;;基于均值漂移的紅外飛行目標分割方法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

2 徐青松;王仁明;劉代志;;基于均值漂移的紅外目標跟蹤方法綜述[A];國家安全地球物理叢書（七）——地球物理與核探測[C];2011年

3 李冠彬;吳賀豐;;基于顏色紋理直方圖的帶權分塊均值漂移目標跟蹤算法[A];第五屆全國幾何設計與計算學術會議論文集[C];2011年

4 白培瑞;李良;趙奇;韓焱;;基于均值漂移的醫(yī)學超聲圖像分割改進算法[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

5 雷穎惠;張娟;楊文佳;;一種基于改進均值漂移的實時目標檢測與跟蹤算法[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

6 景軍鋒;李光燕;李鵬飛;;基于MeanShift和Harris算子圓網印花機對花檢測的研究與設計[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

相關博士學位論文 前2條

1 王娟;復雜場景中的目標跟蹤優(yōu)化算法研究[D];燕山大學;2014年

2 陳遠;復雜場景中視覺運動目標檢測與跟蹤[D];華中科技大學;2008年

相關碩士學位論文 前10條

1 陳應躍;集成均值漂移分割的遙感影像融合方法研究[D];昆明理工大學;2015年

2 高祥;基于均值漂移算法的遙感圖像地物提取及分類[D];西南交通大學;2015年

3 唐棟;基于非線性均值漂移的多目標匹配技術的研究[D];南京大學;2015年

4 張良;復雜場景中目標跟蹤算法的應用[D];河北科技大學;2014年

5 張劍華;均值漂移算法在視頻運動目標跟蹤中的應用研究[D];西安電子科技大學;2015年

6 王晉麗;基于均值漂移的目標跟蹤算法的研究及應用[D];南京郵電大學;2015年

7 張睿;用于fMRI數(shù)據(jù)分析的多特征空間均值漂移聚類算法[D];中國科學院研究生院(長春光學精密機械與物理研究所);2015年

8 江春宇;交通標志的自動檢測和識別[D];蘇州大學;2015年

9 胡薇薇;基于Grab Cut的快速交互式圖像分割算法研究[D];福州大學;2013年

10 王振;基于視頻序列的目標跟蹤算法優(yōu)化[D];中北大學;2016年

，

本文編號：2183716