【摘要】：運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺研究中的一項(xiàng)關(guān)鍵技術(shù),針對(duì)當(dāng)前運(yùn)動(dòng)目標(biāo)跟蹤算法存在的跟蹤精度低,實(shí)時(shí)性差等不足,提出了基于高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法。首先收集目標(biāo)的信息,并采用混合高斯模型對(duì)運(yùn)動(dòng)目標(biāo)背景進(jìn)行建模,然后采用均值漂移算法對(duì)目標(biāo)進(jìn)行跟蹤,最后采用VC6.0++實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)跟蹤仿真實(shí)驗(yàn)。結(jié)果表明,該文提高了運(yùn)動(dòng)目標(biāo)跟蹤的精度,加快了運(yùn)動(dòng)目標(biāo)跟蹤的速度,并對(duì)遮擋、場景變化具有良好魯棒性,性能要優(yōu)于當(dāng)前其他運(yùn)動(dòng)目標(biāo)跟蹤算法,具有更高的實(shí)際應(yīng)用價(jià)值。
[Abstract]:Moving target tracking is a key technology in computer vision research. Aiming at the shortcomings of current moving target tracking algorithms, such as low tracking accuracy and poor real-time performance, a moving target detection and tracking algorithm based on Gao Si hybrid model is proposed. Firstly, the information of the target is collected, then the moving target background is modeled by mixed Gao Si model, then the mean shift algorithm is used to track the target. Finally, the simulation experiment of moving target tracking is carried out by using VC6.0. The results show that this paper improves the accuracy of moving target tracking, accelerates the speed of moving target tracking, and has good robustness to occlusion and scene change, and its performance is better than other moving target tracking algorithms. It has higher practical application value.
【作者單位】： 黃河水利職業(yè)技術(shù)學(xué)院信息工程系;河南交通職業(yè)技術(shù)學(xué)院交通信息工程系;
【分類號(hào)】：TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 徐天陽;吳小俊;;基于多特征級(jí)聯(lián)的目標(biāo)跟蹤算法研究[J];南京理工大學(xué)學(xué)報(bào);2015年03期

2 戴洪德;鄒杰;徐勝紅;王永庭;吳曉男;吳光彬;;含預(yù)測和容錯(cuò)的自適應(yīng)Kalman目標(biāo)跟蹤[J];南京理工大學(xué)學(xué)報(bào);2015年01期

3 劉明;趙孝磊;;一種改進(jìn)的Camshift目標(biāo)跟蹤算法[J];南京理工大學(xué)學(xué)報(bào);2013年05期

4 宋曉琳;王文濤;張偉偉;;基于LBP紋理和改進(jìn)Camshift算子的車輛檢測與跟蹤[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年08期

5 劉晴;唐林波;趙保軍;;跟蹤窗自適應(yīng)的Mean Shift目標(biāo)跟蹤算法[J];系統(tǒng)工程與電子技術(shù);2012年02期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 侯紅娜;武婷;;基于多特征自適應(yīng)融合的Camshift行人跟蹤算法[J];電子質(zhì)量;2017年03期

2 杜鵑;吳芬芬;;高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法[J];南京理工大學(xué)學(xué)報(bào);2017年01期

3 戴文君;常天慶;蘇奎峰;王全東;黃捷音;;一種結(jié)合ORB特征匹配的均值漂移目標(biāo)跟蹤算法[J];計(jì)算機(jī)測量與控制;2016年12期

4 王齊;金小峰;;復(fù)雜環(huán)境中車輛檢測與跟蹤方法的研究[J];液晶與顯示;2016年05期

5 何登平;黃凌云;;智能監(jiān)控系統(tǒng)中自適應(yīng)人臉檢測跟蹤算法改進(jìn)[J];單片機(jī)與嵌入式系統(tǒng)應(yīng)用;2016年05期

6 王建華;秦其明;高中靈;葉昕;孟晉杰;;加入空間紋理信息的遙感圖像道路提取[J];湖南大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年04期

7 黃晉英;宋國浩;蘭艷亭;王寧;楊航;;交比不變的Camshift跟蹤方法[J];光學(xué)精密工程;2016年04期

8 謝宏;張愛林;陳海濱;張小剛;陳俊輝;李云峰;向啟均;;改進(jìn)WMIL的實(shí)時(shí)人臉檢測與跟蹤[J];電子測量與儀器學(xué)報(bào);2016年03期

9 王玲玲;裴東;王全州;;一種改進(jìn)的Camshift視頻目標(biāo)跟蹤算法[J];激光與紅外;2015年10期

10 信科;;在SOPC上實(shí)現(xiàn)Mean Shift的改進(jìn)算法[J];單片機(jī)與嵌入式系統(tǒng)應(yīng)用;2015年10期

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 宋克臣;顏云輝;陳文輝;張旭;;局部二值模式方法研究與展望[J];自動(dòng)化學(xué)報(bào);2013年06期

2 孫歡;尚緒鳳;朱趙龍;張賀泉;;交通監(jiān)控系統(tǒng)中幀差法與背景差分法優(yōu)劣分析[J];電子科技;2012年10期

3 夏瑜;吳小俊;王洪元;;基于局部特征組合的目標(biāo)跟蹤算法[J];光電工程;2012年07期

4 蔣巍;張健;曾浩;;基于智能視頻監(jiān)控系統(tǒng)的運(yùn)動(dòng)目標(biāo)檢測和跟蹤[J];電視技術(shù);2012年05期

5 孔軍;湯心溢;蔣敏;劉士建;李丹;;基于多尺度特征提取的Kalman濾波跟蹤[J];紅外與毫米波學(xué)報(bào);2011年05期

6 高偉熙;繆玲娟;倪茂林;;多漸消因子Kalman濾波器在SINS初始對(duì)準(zhǔn)中的應(yīng)用(英文)[J];Chinese Journal of Aeronautics;2011年04期

7 康一梅;謝晚冬;胡江;黃琪;;目標(biāo)尺度自適應(yīng)的Mean Shift跟蹤算法[J];兵工學(xué)報(bào);2011年02期

8 吳剛;唐振民;程勇;朱峰;魏利華;;灰度共生矩陣紋理特征的運(yùn)動(dòng)目標(biāo)跟蹤方法[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年04期

9 何小誠;黃凱;譚毅華;田金文;;基于Mean Shift的自適應(yīng)尺度變化跟蹤算法研究[J];微電子學(xué)與計(jì)算機(jī);2010年04期

10 鄔大鵬;程衛(wèi)平;于盛林;;基于幀間差分和運(yùn)動(dòng)估計(jì)的Camshift目標(biāo)跟蹤算法[J];光電工程;2010年01期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張敏,趙猛,賈云得,王俊;基于自適應(yīng)高斯混合模型的圖像穩(wěn)定方法[J];北京理工大學(xué)學(xué)報(bào);2004年10期

2 趙征鵬,楊鑒;基于高斯混合模型的非母語說話人口音識(shí)別[J];計(jì)算機(jī)工程;2005年06期

3 侯建華;熊承義;田金文;柳健;;圖像小波系數(shù)的高斯混合模型研究[J];計(jì)算機(jī)應(yīng)用;2006年03期

4 顧明亮;馬勇;;基于高斯混合模型的漢語方言辨識(shí)系統(tǒng)[J];計(jì)算機(jī)工程與應(yīng)用;2007年03期

5 袁禮海;李釗;宋建社;;利用高斯混合模型實(shí)現(xiàn)概率密度函數(shù)逼近[J];無線電通信技術(shù);2007年02期

6 張超瓊;苗奪謙;岳曉冬;;基于高斯混合模型的語音性別識(shí)別[J];計(jì)算機(jī)應(yīng)用;2008年S2期

7 許曉東;熊衛(wèi)斌;朱士瑞;;基于高斯混合模型的流量矩陣估算研究[J];計(jì)算機(jī)工程;2009年14期

8 王岐學(xué);錢盛友;趙新民;;基于差分特征和高斯混合模型的湖南方言識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2009年35期

9 韓曉峰;;基于自回歸的高斯混合模型[J];科技風(fēng);2009年23期

10 馬超;張政石;;基于二維高斯混合模型的駕駛行為分析[J];硅谷;2011年05期

相關(guān)會(huì)議論文 前10條

1 駱俊;馬盡文;;高斯混合模型的遺傳分基融合算法[A];第十二屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2005）論文集[C];2005年

2 廖頻;沈理;;基于高斯混合模型的人臉圖象識(shí)別研究[A];2001年中國智能自動(dòng)化會(huì)議論文集（上冊(cè)）[C];2001年

3 馬盡文;何學(xué)鋒;;高斯混合模型的數(shù)據(jù)尺度可壓縮參數(shù)學(xué)習(xí)算法[A];第十四屆全國信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

4 瞿俊;姜青山;董槐林;;基于高斯混合模型的層次聚類算法[A];第二十三屆中國數(shù)據(jù)庫學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2006年

5 蔡念;郭文婷;陳世文;潘晴;;融合高斯混合模型和小波變換的運(yùn)動(dòng)目標(biāo)檢測[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

6 龍艷花;郭武;戴禮榮;;一種應(yīng)用于SVM說話者確認(rèn)系統(tǒng)的新型序列核[A];第九屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2007年

7 劉李漫;陶文兵;田金文;;融合多高斯混合模型與Graph Cuts優(yōu)化技術(shù)的目標(biāo)自動(dòng)檢測方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

8 康永國;雙志偉;陶建華;張維;徐波;;高斯混合模型和碼本映射相結(jié)合的語音轉(zhuǎn)換算法[A];第八屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];2005年

9 應(yīng)冬文;顏永紅;付強(qiáng);國雁萌;;基于約束高斯混合模型的噪聲功率譜估計(jì)[A];2010年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2010年

10 唐英干;劉東;關(guān)新平;;基于高斯混合模型的多分辨率圖像分割[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)博士學(xué)位論文 前6條

1 王益文;復(fù)雜網(wǎng)絡(luò)節(jié)點(diǎn)影響力模型及其應(yīng)用[D];浙江大學(xué);2015年

2 羅林;基于數(shù)據(jù)驅(qū)動(dòng)的非線性過程故障診斷若干問題研究[D];浙江大學(xué);2015年

3 陳雪峰;圖像高斯混合模型的判別學(xué)習(xí)方法[D];北京理工大學(xué);2009年

4 賴裕平;非高斯混合模型的變分學(xué)習(xí)算法研究[D];北京郵電大學(xué);2014年

5 劉輝;miRNA靶標(biāo)預(yù)測的系統(tǒng)生物學(xué)方法研究[D];中國礦業(yè)大學(xué);2009年

6 陶建斌;貝葉斯網(wǎng)絡(luò)模型在遙感影像分類中的應(yīng)用方法研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 范苗;基于高斯混合模型的時(shí)變過程軟測量建模[D];浙江大學(xué);2015年

2 許莉薇;基于高斯混合模型林業(yè)信息文本分類的技術(shù)研究[D];東北林業(yè)大學(xué);2015年

3 車瀅霞;約束條件下的結(jié)構(gòu)化統(tǒng)計(jì)聲學(xué)模型及非平行語料語音轉(zhuǎn)換[D];蘇州大學(xué);2015年

4 張曉紅;基于候選生成的貓臉檢測[D];哈爾濱工業(yè)大學(xué);2015年

5 付娜;基于視頻的運(yùn)動(dòng)人體行為捕捉算法研究[D];北京理工大學(xué);2015年

6 王炳輝;基于層次貝葉斯自適應(yīng)稀疏的高斯混合模型[D];大連理工大學(xué);2015年

7 邱藤;基于高斯混合模型的EM算法及其應(yīng)用研究[D];電子科技大學(xué);2015年

8 張小林;基于高斯混合模型和非負(fù)矩陣分解的復(fù)雜網(wǎng)絡(luò)社區(qū)檢測[D];西安電子科技大學(xué);2014年

9 姚紹芹;基于聲道譜參數(shù)的語音轉(zhuǎn)換算法研究[D];南京郵電大學(xué);2015年

10 閆昊;基于高斯混合模型的文本無關(guān)說話人年齡識(shí)別[D];蘇州大學(xué);2015年

，

本文編號(hào)：2270358