由于復(fù)雜場(chǎng)景中目標(biāo)物體易受光照、遮擋影響且目標(biāo)本身可能發(fā)生尺度、姿態(tài)等變化,紅外圖像中的目標(biāo)識(shí)別跟蹤面臨很大的困難。本文的主要工作是利用實(shí)測(cè)試驗(yàn)數(shù)據(jù),對(duì)目標(biāo)檢測(cè)識(shí)別特征進(jìn)行分析,針對(duì)干擾環(huán)境中目標(biāo)被遮擋時(shí)跟蹤性能大幅下降的問(wèn)題,提出了一種改進(jìn)的抗遮擋跟蹤算法,有效改善了紅外運(yùn)動(dòng)目標(biāo)跟蹤算法的性能。本文首先對(duì)實(shí)測(cè)紅外圖像中的典型目標(biāo)、干擾場(chǎng)景區(qū)域提取了包括灰度、形狀、紋理等各類特征,并采用F檢驗(yàn)值、主成分分析法等特征選擇方法,通過(guò)目標(biāo)分類性評(píng)價(jià)選擇特征,挖掘出目標(biāo)表征特征,可為目標(biāo)檢測(cè)識(shí)別算法的設(shè)計(jì)提供支撐。針對(duì)復(fù)雜遮擋條件下,目標(biāo)區(qū)域提取不完善導(dǎo)致跟蹤過(guò)程中的模板誤差,提出了基于光流算法和超像素分割的目標(biāo)區(qū)域提取方法與基于ViBe和幀差法的目標(biāo)區(qū)域提取方法,提高了遮擋條件下目標(biāo)區(qū)域的提取精度。針對(duì)傳統(tǒng)KCF跟蹤算法在遮擋條件下跟蹤性能不佳的問(wèn)題,提出了一種基于相關(guān)濾波的抗遮擋運(yùn)動(dòng)目標(biāo)跟蹤算法:首先采用光流算法和超像素分割充分提取目標(biāo)區(qū)域,最大程度地減少背景點(diǎn)的干擾,提高目標(biāo)特征提取的精度;針對(duì)單一特征的適應(yīng)性不足的問(wèn)題,建立多特征融合的特征表達(dá)模板;在對(duì)跟蹤模板進(jìn)行更新時(shí),采用相關(guān)濾波...

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 課題研究目的及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 論文結(jié)構(gòu)安排
2 典型自然干擾環(huán)境目標(biāo)檢測(cè)識(shí)別特征分析
    2.1 目標(biāo)/背景場(chǎng)景特征提取
    2.2 典型場(chǎng)景區(qū)域的表征特征集選擇
    2.3 本章小結(jié)
3 基于核相關(guān)濾波的抗遮擋運(yùn)動(dòng)目標(biāo)跟蹤問(wèn)題分析及改進(jìn)方案
    3.1 基于核相關(guān)濾波跟蹤算法對(duì)遮擋運(yùn)動(dòng)目標(biāo)跟蹤問(wèn)題分析
    3.2 基于光流法的運(yùn)動(dòng)目標(biāo)提取
    3.3 基于VIBE的運(yùn)動(dòng)目標(biāo)提取
    3.4 本章小結(jié)
4 干擾環(huán)境下的運(yùn)動(dòng)目標(biāo)提取
    4.1 基于光流算法和超像素分割的運(yùn)動(dòng)目標(biāo)提取
    4.2 基于VIBE和幀差法的運(yùn)動(dòng)目標(biāo)提取
    4.3 目標(biāo)提取實(shí)驗(yàn)結(jié)果對(duì)比分析
    4.4 本章小結(jié)
5 基于核相關(guān)濾波的抗遮擋運(yùn)動(dòng)目標(biāo)跟蹤算法實(shí)驗(yàn)分析
    5.1 基于核相關(guān)濾波的抗遮擋運(yùn)動(dòng)目標(biāo)跟蹤算法
    5.2 抗遮擋運(yùn)動(dòng)目標(biāo)跟蹤算法實(shí)驗(yàn)分析
    5.3 本章小結(jié)
6 全文總結(jié)與展望
    6.1 論文主要工作
    6.2 需要進(jìn)一步研究的工作
致謝
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間的科研成果



本文編號(hào)：3807899