【摘要】：視頻序列的目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)關(guān)鍵技術(shù),是高級(jí)機(jī)器視覺(jué)的研究基礎(chǔ),有著廣泛的應(yīng)用。由于目標(biāo)外觀變化、復(fù)雜的環(huán)境和目標(biāo)尺度變化等干擾的存在,現(xiàn)有的目標(biāo)跟蹤算法在實(shí)際的應(yīng)用中仍存在跟蹤漂移、跟蹤目標(biāo)丟失等問(wèn)題。針對(duì)這些問(wèn)題,本文對(duì)基于區(qū)域特征的均值漂移跟蹤算法和壓縮跟蹤算法進(jìn)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(chǔ)上,針對(duì)均值漂移跟蹤算法易受相似顏色的背景干擾的問(wèn)題,提出了一種雙權(quán)值算法,結(jié)合背景削弱權(quán)值與中心加權(quán)權(quán)值,使算法對(duì)目標(biāo)的建模更加準(zhǔn)確,提高了算法的抗干擾能力；針對(duì)均值漂移跟蹤算法缺少目標(biāo)模板更新模塊的問(wèn)題,提出了一種模板更新策略,解決了原始算法在跟蹤過(guò)程中受遮擋、光照、形變等不確定因素的影響時(shí)導(dǎo)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(zhǎng)時(shí)間跟蹤中導(dǎo)致目標(biāo)定位偏差甚至跟蹤失敗的問(wèn)題,利用CAMShift算法中的尺寸更新方法,通過(guò)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(yīng)了跟蹤過(guò)程中目標(biāo)尺寸的變化。在壓縮感知理論的基礎(chǔ)上,針對(duì)遮擋、外觀變化和目標(biāo)移動(dòng)速度對(duì)壓縮跟蹤算法的影響,提出一種樣本選擇方法和學(xué)習(xí)因子更新策略。根據(jù)正樣本與目標(biāo)中心的距離,分配正樣本不同的權(quán)值以增強(qiáng)樣本的差異性,同時(shí)通過(guò)前后兩幀圖像的巴氏系數(shù)關(guān)系實(shí)時(shí)更新模型參數(shù)的學(xué)習(xí)因子,提高了算法的跟蹤穩(wěn)定性。實(shí)驗(yàn)表明,優(yōu)化的算法在滿足實(shí)時(shí)性的基礎(chǔ)上增強(qiáng)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(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馬麗;常發(fā)亮;喬誼正;劉增曉;;基于改進(jìn)的均值漂移算法的目標(biāo)跟蹤[J];計(jì)算機(jī)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(yīng)用[J];控制與決策;2007年08期

3 魏坤;趙永強(qiáng);潘泉;張洪才;;基于均值漂移和粒子濾波的紅外目標(biāo)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(biāo)跟蹤[J];計(jì)算機(jī)工程與應(yīng)用;2008年11期

5 劉技;康曉東;賈富倉(cāng);;基于圖割與均值漂移算法的脊椎骨自動(dòng)分割[J];計(jì)算機(jī)應(yīng)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(gòu)[J];科學(xué)技術(shù)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(biāo)能力的均值漂移算法[J];計(jì)算機(jī)科學(xué);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(jié)節(jié)中的應(yīng)用[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年09期

9 李同鑫;熊紅凱;;基于均值漂移的視頻目標(biāo)跟蹤改進(jìn)算法[J];信息技術(shù);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(chǎng)景檢測(cè)方法[J];中國(guó)圖象圖形學(xué)報(bào);2010年02期

相關(guān)會(huì)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(biāo)分割方法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)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(biāo)跟蹤方法綜述[A];國(guó)家安全地球物理叢書（七）——地球物理與核探測(cè)[C];2011年

3 李冠彬;吳賀豐;;基于顏色紋理直方圖的帶權(quán)分塊均值漂移目標(biāo)跟蹤算法[A];第五屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)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(xué)超聲圖像分割改進(jìn)算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

5 雷穎惠;張娟;楊文佳;;一種基于改進(jìn)均值漂移的實(shí)時(shí)目標(biāo)檢測(cè)與跟蹤算法[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

6 景軍鋒;李光燕;李鵬飛;;基于MeanShift和Harris算子圓網(wǎng)印花機(jī)對(duì)花檢測(cè)的研究與設(shè)計(jì)[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

相關(guān)博士學(xué)位論文 前2條

1 王娟;復(fù)雜場(chǎng)景中的目標(biāo)跟蹤優(yōu)化算法研究[D];燕山大學(xué);2014年

2 陳遠(yuǎn);復(fù)雜場(chǎng)景中視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤[D];華中科技大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳應(yīng)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(xué);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(xué);2015年

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

4 張良;復(fù)雜場(chǎng)景中目標(biāo)跟蹤算法的應(yīng)用[D];河北科技大學(xué);2014年

5 張劍華;均值漂移算法在視頻運(yùn)動(dòng)目標(biāo)跟蹤中的應(yīng)用研究[D];西安電子科技大學(xué);2015年

6 王晉麗;基于均值漂移的目標(biāo)跟蹤算法的研究及應(yīng)用[D];南京郵電大學(xué);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(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);2015年

8 江春宇;交通標(biāo)志的自動(dòng)檢測(cè)和識(shí)別[D];蘇州大學(xué);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(xué);2013年

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

，

本文編號(hào)：2183716