本文關(guān)鍵詞：基于分層特征描述子的移動機器人行人目標跟蹤，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著機器人技術(shù)的成熟,越來越多類型的智能服務(wù)機器人融入到人類的日常生活中,行人目標識別和跟蹤技術(shù)也逐漸成為機器人的關(guān)鍵技術(shù)。但是智能服務(wù)機器人在實際行人目標識別和跟蹤過程中常出現(xiàn)目標遮擋、形變、光照變化等問題,因此本研究提出一種基于分層特征描述子的移動機器人行人目標跟蹤算法,同時設(shè)計一套可視化的圖形用戶界面。最后,在配置有雙目立體視覺系統(tǒng)的Pioneer3-DX機器人平臺進行驗證。主要工作有如下幾方面:(1)基于自適應(yīng)帶寬核函數(shù)的Cam-Shift算法針對傳統(tǒng)自適應(yīng)均值漂移(Cam-Shift)算法存在的核函數(shù)帶寬固定、無法解決目標形變等問題,本研究提出了基于自適應(yīng)帶寬核函數(shù)的Cam-Shift行人跟蹤算法。該算法在傳統(tǒng)Cam-Shift算法的基礎(chǔ)上,利用上一幀SIFT特征獲取的目標尺度和旋轉(zhuǎn)對核函數(shù)帶寬以及搜索窗口進行矯正,增強對目標旋轉(zhuǎn)和形變的魯棒性,同時減少均值漂移的迭代次數(shù),提高算法的實時性。(2)基于壓縮感知的SIFT特征匹配算法為解決尺度不變特征變換(Scale Invariant Feature Transform SIFT)特征匹配時維度過高造成實時性差的問題,本研究提出了一種基于壓縮感知的SIFT特征描述算法。首先,對生成的128維SIFT特征向量利用小波變換基矩陣實現(xiàn)稀疏化;然后通過稀疏隨機矩陣進行投影,實現(xiàn)對128維特征向量的降維,進而降低算法復(fù)雜度,使系統(tǒng)實時性得到顯著提高。(3)基于Contourlet變換的SIFT特征匹配算法傳統(tǒng)SIFT特征描述子對關(guān)鍵點鄰域內(nèi)顏色梯度進行運算,丟棄了關(guān)鍵點在整幅圖像結(jié)構(gòu)中位置的相對性,因此區(qū)分局部相似區(qū)域的能力較差。針對上述問題,本研究提出一種基于Contourlet變換的SIFT特征匹配算法。首先計算關(guān)鍵點鄰域內(nèi)的梯度幅值和主方向;然后對關(guān)鍵點以及鄰域進行Contourlet變換,獲得各方向子帶分解系數(shù),最后計算其均值和標準差構(gòu)建關(guān)于全局紋理的描述向量,增強描述子對局部相似區(qū)域的描述能力,提高跟蹤算法的準確性。(4)基于分層特征描述子的行人目標描述為了增強特征對目標人體的描述能力,本研究提出了一種分層特征的行人目標描述機制。通過全局頭肩或者顏色特征作為行人目標外層特征,確定感興趣區(qū)域。在外層感興趣區(qū)域內(nèi),根據(jù)局部相似度選擇不同的SIFT特征實現(xiàn)對行人目標的精確描述。通過融合全局與局部特征,進一步增強對行人目標的描述能力,提高復(fù)雜環(huán)境下移動機器人跟蹤系統(tǒng)的魯棒性。當行人目標尺度或者方向發(fā)生變化時,根據(jù)內(nèi)層SIFT特征匹配結(jié)果校正外層特征目標描述;當目標人體出現(xiàn)短暫遮擋或者形變時,局部特征模板庫的在線更新策略保證了內(nèi)層特征的穩(wěn)定性;當行人目標被完全遮擋時,利用EKF濾波預(yù)測目標運動狀態(tài),解決了行人目標完全遮擋情況下的跟蹤問題。實驗結(jié)果表明,基于自適應(yīng)帶寬核函數(shù)的Cam-Shift算法實現(xiàn)了對不同位姿人體的跟蹤;基于壓縮感知的SIFT特征匹配算法,有效提高了系統(tǒng)的實時性;基于Contourlet變換的SIFT特征匹配算法,增強特征點對目標描述能力的同時提高了算法的實時性;行人目標的分層特征描述,有效地結(jié)合了目標的全局與局部特征,增強了跟蹤系統(tǒng)的魯棒性,使機器人跟隨運動人體更加穩(wěn)定、高效。
【關(guān)鍵詞】：行人目標跟蹤 自適應(yīng)帶寬核函數(shù) 壓縮感知的尺度不變特征變換 Contourlet變換的尺度不變特征變換 分層特征描述子
【學位授予單位】：北京工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TP242
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-24
• 1.1 課題研究背景及意義10-11
• 1.2 行人目標跟蹤技術(shù)概述11-17
• 1.2.1 移動機器人的行人檢測算法11-15
• 1.2.2 移動機器人的行人目標識別算法15
• 1.2.3 移動機器人的行人目標跟蹤算法15-17
• 1.3 移動機器人行人目標跟蹤研究現(xiàn)狀及應(yīng)用17-20
• 1.3.1 國外移動機器人行人目標跟蹤的研究現(xiàn)狀17-18
• 1.3.2 國內(nèi)移動機器人運動人體跟蹤的研究現(xiàn)狀18
• 1.3.3 移動機器人行人目標跟蹤的應(yīng)用18-20
• 1.4 論文的主要研究內(nèi)容與文章結(jié)構(gòu)20-22
• 1.5 本章小結(jié)22-24
• 第2章 系統(tǒng)硬件構(gòu)成24-30
• 2.1 環(huán)境傳感器24-26
• 2.1.1 紅外測距傳感器24
• 2.1.2 超聲波傳感器24-25
• 2.1.3 激光測距儀25
• 2.1.4 視覺傳感器25-26
• 2.2 硬件平臺系統(tǒng)構(gòu)成26-29
• 2.2.1Pioneer3-DX實驗平臺27-28
• 2.2.2 立體視覺系統(tǒng)28-29
• 2.3 本章小結(jié)29-30
• 第3章 基于全局特征的自適應(yīng)帶寬Cam-Shift算法30-40
• 3.1 傳統(tǒng)Mean-Shift算法30-32
• 3.2 基于核函數(shù)的Cam-Shift算法32-34
• 3.3 自適應(yīng)帶寬Cam-Shift算法34-37
• 3.3.1 目標尺度和主方向34-35
• 3.3.2 自適應(yīng)帶寬核函數(shù)35-36
• 3.3.3 算法流程36-37
• 3.4 實驗結(jié)果37-39
• 3.5 本章小結(jié)39-40
• 第4章 基于局部特征的行人目標精確定位40-56
• 4.1 尺度不變特征變換（SIFT）算法40-46
• 4.1.1 尺度空間極值檢測40-42
• 4.1.2 關(guān)鍵點精確定位42-43
• 4.1.3 關(guān)鍵點方向分配43-44
• 4.1.4 局部描述子生成44-45
• 4.1.5 基于SIFT的圖像匹配45-46
• 4.2 基于壓縮感知SIFT特征描述子的行人目標精確定位46-49
• 4.2.1 壓縮感知技術(shù)46-48
• 4.2.2 基于壓縮感知的SIFT特征描述子48-49
• 4.3 基于Contourlet-SIFT特征描述子的行人目標精確定位49-52
• 4.3.1 Contourlet變換50-51
• 4.3.2 基于Contourlet-SIFT特征描述子51-52
• 4.4 特征庫在線更新策略52-53
• 4.5 實驗結(jié)果53-55
• 4.5.1 光照變化實驗結(jié)果53
• 4.5.2 視角變化實驗結(jié)果53-54
• 4.5.3 局部相似實驗結(jié)果54-55
• 4.6 本章小結(jié)55-56
• 第5章 系統(tǒng)實現(xiàn)與實驗結(jié)果56-64
• 5.1 圖形用戶界面介紹及實現(xiàn)56-59
• 5.1.1 可視化圖形用戶界面57-58
• 5.1.2 用戶界面各模塊介紹與實現(xiàn)58-59
• 5.2 實驗結(jié)果與分析59-63
• 5.2.1 多位姿運動人體跟蹤實驗結(jié)果60-61
• 5.2.2 移動機器人運動人體跟蹤實驗61-63
• 5.3 本章小結(jié)63-64
• 結(jié)論64-66
• 參考文獻66-72
• 攻讀碩士學位期間所發(fā)表的學術(shù)論文72-74
• 致謝74

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王志衡;吳福朝;;均值-標準差描述子與直線匹配[J];模式識別與人工智能;2009年01期

2 劉仰龍;王從慶;高玨;許榮華;;基于小波描述子的水果果形分類[J];浙江大學學報(農(nóng)業(yè)與生命科學版);2010年03期

3 王志衡;智珊珊;劉紅敏;;基于亮度序的均值標準差描述子[J];模式識別與人工智能;2013年04期

4 田時髦;汪增福;;一種對亮度變化魯棒的局部特征描述子及其快速生成算法[J];小型微型計算機系統(tǒng);2013年08期

5 盧鴻波;孫愿;張志敏;;采用旋轉(zhuǎn)匹配的二進制局部描述子[J];中國圖象圖形學報;2013年10期

6 惠國保;李東波;童一飛;;基于優(yōu)化采樣模式的緊湊而快速的二進制描述子[J];自動化學報;2014年02期

7 王濤,劉文印,孫家廣,張宏江;傅立葉描述子識別物體的形狀[J];計算機研究與發(fā)展;2002年12期

8 劉微;;精簡顏色描述子研究[J];吉林師范大學學報(自然科學版);2008年03期

9 王明俊;王萍;王玲;;基于傅立葉描述子的中長跑自動計圈技術(shù)研究[J];科學技術(shù)與工程;2009年03期

10 賈其;呂緒良;曾朝陽;許衛(wèi)東;;特征描述子在目標偽裝效果評價中的應(yīng)用[J];應(yīng)用科學學報;2011年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 金培權(quán);周英華;岳麗華;龔育昌;;基于歷史拓撲和描述子的時空變化表示[A];第二十屆全國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2003年

2 張靜茹;何耀;劉興濤;朱明清;陳宗海;;基于區(qū)域協(xié)方差描述子的視頻靜止目標檢測[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)年會論文集[C];2011年

3 蔡占川;孫偉;畢寧;齊東旭;;基于U描述子物體形狀的識別[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會'2005論文集（下冊）[C];2005年

4 張波;鄒建成;劉旭麗;;一類新的Ⅴ描述子在形狀識別中的應(yīng)用[A];中國幾何設(shè)計與計算新進展2007——第三屆中國幾何設(shè)計與計算大會論文集[C];2007年

5 王建;朱明清;趙宇宙;郭明瑋;陳宗海;;基于含時切割平面和區(qū)域協(xié)方差描述子的跳躍行為識別方法[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)年會論文集[C];2011年

6 鐵小勻;鐘文琦;劉雪;鄒建成;;一種新的基于Ⅴ描述子的圖形水印技術(shù)[A];中國幾何設(shè)計與計算新進展2007——第三屆中國幾何設(shè)計與計算大會論文集[C];2007年

7 戴岳剛;明東;;基于數(shù)學描述子的步態(tài)圖像處理方法研究[A];天津市生物醫(yī)學工程學會第29屆學術(shù)年會暨首屆生物醫(yī)學工程前沿科學研討會論文集[C];2009年

8 熊剛強;齊東旭;;基于分段多項式描述子和BP網(wǎng)絡(luò)的形狀識別方法[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

9 陳興峰;顧行發(fā);李紫薇;余濤;鄭進軍;郭丁;;基于“凈化邊界的傅立葉描述子”圖像形狀特征提取[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

10 豐峰;蘇滿秀;袁哲明;;一種新的氨基酸描述子及其在抗菌肽QSAR中的應(yīng)用[A];華中昆蟲研究（第七卷）[C];2011年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 王立峰;藥效多肽的定量序效關(guān)系研究[D];湖南農(nóng)業(yè)大學;2014年

2 曹祝樓;醫(yī)學圖像配準中的若干關(guān)鍵問題研究[D];山東大學;2015年

3 黃為;基于序關(guān)系特征描述的高分辨率遙感影像識別研究[D];國防科學技術(shù)大學;2014年

4 舒禹程;基于特征描述子的圖像匹配算法研究[D];華中科技大學;2015年

5 田甜;快速局部圖像特征提取方法研究[D];華中科技大學;2015年

6 李瑩瑩;圖像局部特征描述子的構(gòu)建研究[D];合肥工業(yè)大學;2015年

7 洪曉鵬;新型二階統(tǒng)計描述子及其在物體檢測與跟蹤方面的應(yīng)用[D];哈爾濱工業(yè)大學;2010年

8 林杰;面向移動視覺搜索的緊湊聚合描述子研究[D];北京交通大學;2014年

9 鄧黎;擴展目標的特征提取及目標識別[D];中國科學院研究生院（光電技術(shù)研究所）;2013年

10 陳國華;手性藥物分子結(jié)構(gòu)表征及定量構(gòu)效關(guān)系研究[D];重慶大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 常佳;基于肽鏈初級結(jié)構(gòu)表征對肽類藥物進行QSAR研究[D];陜西科技大學;2015年

2 吳倩雯;改進的SURF描述子及其在服飾圖片檢索中的應(yīng)用研究[D];電子科技大學;2014年

3 李磊;基于3DZernike描述子的視頻水印認證技術(shù)研究[D];中國科學院大學(工程管理與信息技術(shù)學院);2015年

4 劉曉璐;典型二進制描述子研究及性能評估[D];西安電子科技大學;2014年

5 豐一流;SIFT圖像匹配算法面向?qū)崟r性的優(yōu)化與實現(xiàn)[D];國防科學技術(shù)大學;2013年

6 楊學文;面向交互語義的用戶基本手勢實時檢索方法研究[D];濟南大學;2015年

7 何川;基于RGB-D的場景支撐關(guān)系提取算法研究[D];合肥工業(yè)大學;2014年

8 王延青;一種基于拓撲分析的三維模型描述子及其應(yīng)用研究[D];南京大學;2013年

9 朱婷;圖像不規(guī)則區(qū)域匹配算法研究[D];河南理工大學;2015年

10 邵長峰;基于凸優(yōu)化的二值描述子研究及實時作物行檢測中的應(yīng)用[D];哈爾濱工業(yè)大學;2016年

  本文關(guān)鍵詞：基于分層特征描述子的移動機器人行人目標跟蹤，，由筆耕文化傳播整理發(fā)布。

本文編號：502618