隨著科技的發(fā)展,人們對(duì)于安防的意識(shí)逐漸增強(qiáng),智能跟蹤監(jiān)控系統(tǒng)也在生活中有了更大的應(yīng)用。目標(biāo)跟蹤技術(shù)一直是機(jī)器視覺領(lǐng)域研究的熱點(diǎn),其中時(shí)空上下文算法由于具有跟蹤速度較快、魯棒性較強(qiáng)、一定程度的抗遮擋能力,近年來受到廣泛關(guān)注。但是該算法在攝像機(jī)抖動(dòng)或出現(xiàn)嚴(yán)重遮擋時(shí)會(huì)出現(xiàn)跟蹤失敗等問題。本文在前人研究的基礎(chǔ)上,基于時(shí)空上下文算法,提出了兩種改進(jìn)的算法:為了消除攝像機(jī)抖動(dòng)帶來的跟蹤失效問題,本文提出基于復(fù)合特征提取的時(shí)空上下文改進(jìn)算法。本方法針對(duì)時(shí)空上下文算法不能首幀自動(dòng)檢測(cè)的特點(diǎn),結(jié)合Adaboost算法進(jìn)行首幀自動(dòng)檢測(cè),引入兩種針對(duì)性更強(qiáng)的Haar-like特征,改進(jìn)后的Adaboost算法可以大幅度的增強(qiáng)檢測(cè)速率。利用Harris-Surf復(fù)合特征提取方法,捕捉到更多利于跟蹤的特征點(diǎn),在上下文區(qū)域建立權(quán)值矩陣,將與目標(biāo)運(yùn)動(dòng)軌跡大致相同的區(qū)域賦予更高的權(quán)值。為了提高跟蹤的準(zhǔn)確性,算法中引入卡爾曼濾波概念,估計(jì)出下一幀目標(biāo)可能出現(xiàn)的位置,來輔助跟蹤。在出現(xiàn)攝像機(jī)抖動(dòng)情況下,大大地改善了外觀模型描述目標(biāo)的能力,加大跟蹤結(jié)果的準(zhǔn)確程度。做了多組的對(duì)比實(shí)驗(yàn),對(duì)比分析改進(jìn)后算法與原算法的區(qū)別。在存在...

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要工作及組織結(jié)構(gòu)
第2章 目標(biāo)檢測(cè)跟蹤相關(guān)理論
    2.1 常用的特征提取方法
        2.1.1 SIFT特征提取
        2.1.2 SURF特征提取
        2.1.3 Harris特征提取
    2.2 常用的目標(biāo)檢測(cè)算法
        2.2.1 光流法
        2.2.2 幀間差分法
        2.2.3 模板匹配算法
        2.2.4 Adaboost算法
    2.3 常見的目標(biāo)跟蹤算法
        2.3.1 粒子濾波算法
        2.3.2 稀疏表示算法
        2.3.3 TLD跟蹤算法
        2.3.4 STC跟蹤算法
    2.4 STC算法局限性分析
第3章 基于復(fù)合特征提取的時(shí)空上下文改進(jìn)算法
    3.1 擴(kuò)展Haar特征的Adaboost算法
        3.1.1 Haar特征擴(kuò)展
        3.1.2 限制樣本權(quán)重
    3.2 Harris-SURF特征提取
        3.2.1 特征點(diǎn)處理
        3.2.2 選取特征點(diǎn)的主方向
    3.3 時(shí)空上下文區(qū)域的權(quán)值分配
        3.3.1 上下文權(quán)值矩陣
        3.3.2 加權(quán)空間上下文模型
    3.4 融合卡爾曼濾波輔助跟蹤
    3.5 改進(jìn)跟蹤算法流程
    3.6 實(shí)驗(yàn)結(jié)果與分析
        3.6.1 實(shí)驗(yàn)設(shè)置
        3.6.2 實(shí)驗(yàn)結(jié)果定性分析
        3.6.3 實(shí)驗(yàn)結(jié)果定量分析
第4章 基于稀疏表示改進(jìn)的時(shí)空上下文跟蹤算法
    4.1 前景字典和上下文字典的構(gòu)造
        4.1.1 字典學(xué)習(xí)的原理
        4.1.2 構(gòu)造前景字典
        4.1.3 構(gòu)造上下文字典
        4.1.4 基于稀疏表示的特征選擇
    4.2 基于稀疏表示的時(shí)空上下文算法
    4.3 改進(jìn)的跟蹤算法流程
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 實(shí)驗(yàn)結(jié)果定性分析
        4.4.3 實(shí)驗(yàn)結(jié)果定量分析
第5章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果
致謝



本文編號(hào)：3856853