發(fā)布時間：2021-03-25 13:35

　　在計算機視覺領(lǐng)域,目標跟蹤技術(shù)是被重點研究的課題之一,其廣泛應(yīng)用于智能監(jiān)控、人機交互、機器人、無人機等視覺跟蹤控制領(lǐng)域。由于應(yīng)用場景的多樣性,跟蹤技術(shù)面臨著多種挑戰(zhàn),例如遮擋、重疊、快速移動、光照變化、物體干擾等復(fù)雜環(huán)境下會出現(xiàn)漂移、丟失等現(xiàn)象。而現(xiàn)有的大部分跟蹤算法在復(fù)雜環(huán)境下的適應(yīng)性還沒有達到成熟的階段,如何使目標達到實時精準的跟蹤是研究人員一直以來研究的重點內(nèi)容。因此,為解決上述問題,從視頻圖像預(yù)處理、行人目標特征提取以及行人目標連續(xù)跟蹤三個方面進行深入研究,解決目標在復(fù)雜環(huán)境下跟蹤丟失后難以找回的問題,主要內(nèi)容如下:（1）圖像預(yù)處理:在檢測目標過程中由于光線變化、圖像霧化等問題導(dǎo)致畫面不清晰,從而致使目標識別度降低。因此,通過在RGB和YUV顏色空間下對直方圖均衡（Histogram Equalization,HE）、局部自適應(yīng)直方圖均衡（Adaptive Histogram Equalization,AHE）和限制對比度自適應(yīng)直方圖均衡（Contrast Limited Adaptive Histogram Equalization,CLAHE）的光照處理進行對比分析,設(shè)計基... 

【文章來源】：沈陽工業(yè)大學(xué)遼寧省

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【部分圖文】：

目標跟蹤應(yīng)用領(lǐng)域

沈陽工業(yè)大學(xué)碩士學(xué)位論文6圖1.2各種復(fù)雜環(huán)境下的目標跟蹤Fig.1.2Targettrackinginavarietyofcomplexenvironments1.4論文的主要研究內(nèi)容目標跟蹤過程一般是目標檢測、特征提娶目標識別、目標跟蹤、目標更新五個步驟，因此，本文查閱大量的參考文獻，以2D人體骨架和結(jié)構(gòu)化數(shù)據(jù)為基礎(chǔ)對目標丟失后難以找回的問題進行研究，主要是從圖像預(yù)處理、行人目標特征提取和行人目標連續(xù)跟蹤三個方面展開研究工作。（1）圖像預(yù)處理：目標場景常常因光線變化導(dǎo)致攝像機采集到的圖像出現(xiàn)模糊、昏暗等現(xiàn)象，因此，本文在YUV顏色空間Y通道下利用限制對比度自適應(yīng)直方圖均衡化算法對圖像進行均衡化預(yù)處理，提高圖像對光照的適應(yīng)性。普通直方圖均衡化對圖像局部較暗或較亮區(qū)域處理效果較差，而CLAHE均衡化算法是將一個整體圖像分為若干個小圖像分別進行均衡化處理，相對于HE均衡算法來說提高圖像的光照增強效果更明顯。（2）行人目標特征提取：目標檢測識別是跟蹤過程中提高跟蹤精度的重要步驟之一，本文采用2D人體骨架關(guān)節(jié)點坐標信息提取目標特征，利用深度學(xué)習(xí)的方法提取人體骨架關(guān)節(jié)點坐標并建立骨架模型。本文以人體衣著各部位區(qū)域作為結(jié)構(gòu)化數(shù)據(jù)特征建立目標特征模板，可避免因背景或其他物體干擾造成目標錯檢或誤檢的情況，從而提高目標識別率。結(jié)構(gòu)化數(shù)據(jù)特征包括人體頭部、胸膛、左臂、右臂、左手、右手、左腿、右腿、胯部、左腳、右腳等部位衣著特征，通過人體骨架關(guān)節(jié)點坐標信息計算截取特征所在區(qū)域圖像。（3）行人目標連續(xù)跟蹤：目標跟蹤過程中容易因遮擋、重疊、視角變化等情況出現(xiàn)目標漂移、丟失等現(xiàn)象，因此，本文提出一種基于結(jié)構(gòu)化SVM和行人運動速度的改進KCF和結(jié)構(gòu)化融合的目標跟蹤算法，其中包括目標重定位策略--基于KCF響應(yīng)函數(shù)峰值判斷

第2章圖像預(yù)處理9圖2.1RGB空間模型圖Fig.2.1RGBspacemodeldiagramYUV可與RGB相互轉(zhuǎn)換[38]，如圖2.2所示。具體轉(zhuǎn)換式如下BGRVUY100.0515.0615.0436.0289.0147.0114.0587.0299.0（2.2）VUYBGR0032.21581.0395.01140.101（2.3）因此，YUV顏色空間Y分量的提取式可由下式得到11.059.03.0BGRY（2.4）圖2.2RGB與YUV相互轉(zhuǎn)換效果圖Fig.2.2RGBandYUVconversioneffectdiagram

【參考文獻】：
期刊論文
[1]基于Faster R-CNN的機器人目標檢測及空間定位[J]. 郭毓,蘇鵬飛,吳益飛,郭健.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2018(12)
[2]基于改進的CLAHE顯微細胞圖像增強算法[J]. 魏德志,梁光明.  計算機技術(shù)與發(fā)展. 2018(10)
[3]目標跟蹤算法綜述[J]. 盧湖川,李佩霞,王棟.  模式識別與人工智能. 2018(01)
[4]基于改進直方圖均衡化和SSR算法的灰度圖像增強研究α←[J]. 胡倍倍,呂浩杰.  量子電子學(xué)報. 2017(03)
[5]低照度環(huán)境監(jiān)控的圖像增強算法研究[J]. 李智君,王勇.  電子測試. 2016(19)
[6]復(fù)雜背景灰度圖像下的多特征融合運動目標跟蹤[J]. 江山,張銳,韓廣良,孫海江.  中國光學(xué). 2016(03)
[7]A vision-based navigation approach with multiple radial shape marks for indoor aircraft locating[J]. Zhou Haoyin,Zhang Tao.  Chinese Journal of Aeronautics. 2014(01)
[8]引入視覺注意機制的目標跟蹤方法綜述[J]. 黎萬義,王鵬,喬紅.  自動化學(xué)報. 2014(04)
[9]自適應(yīng)分塊顏色直方圖的MeanShift跟蹤算法[J]. 杜凱,巨永鋒,靳引利,李剛.  武漢理工大學(xué)學(xué)報. 2012(06)
[10]自適應(yīng)直方圖均衡化算法在圖像增強處理的應(yīng)用[J]. 毛本清,金小梅.  河北北方學(xué)院學(xué)報(自然科學(xué)版). 2010(05)

博士論文
[1]智能交通監(jiān)控中運動目標檢測與跟蹤算法研究[D]. 崔雨勇.華中科技大學(xué) 2012
[2]圖像局部不變特征提取與匹配及應(yīng)用研究[D]. 張潔玉.南京理工大學(xué) 2010

碩士論文
[1]面向安防的智能行為分析系統(tǒng)研究與實現(xiàn)[D]. 徐凱.東南大學(xué) 2015
[2]人機交互系統(tǒng)中的目標跟蹤算法研究[D]. 陳凱.長安大學(xué) 2015
[3]灰度圖像的直方圖均衡化處理研究[D]. 陳永亮.安徽大學(xué) 2014
[4]視頻圖像預(yù)處理技術(shù)研究與實現(xiàn)[D]. 胡靜.南京理工大學(xué) 2014
[5]基于均值算法的混合噪聲圖像濾波算法的研究與實現(xiàn)[D]. 王延翔.北京郵電大學(xué) 2010
[6]基于紋理特征的單攝像頭跟蹤研究[D]. 謝偉蔚.湖南大學(xué) 2007



本文編號：3099774