運(yùn)動(dòng)目標(biāo)跟蹤作為計(jì)算機(jī)視覺(jué)領(lǐng)域研究的重要分支之一,已在運(yùn)動(dòng)分析、行為識(shí)別、安防監(jiān)控等眾多領(lǐng)域被廣泛應(yīng)用。但是,目標(biāo)易受外界環(huán)境和自身等不確定因素影響,導(dǎo)致研究精度高且實(shí)時(shí)性好的目標(biāo)跟蹤方法仍是一項(xiàng)挑戰(zhàn)。近幾年來(lái),Mean Shift聚類算法因其計(jì)算量小,對(duì)邊緣遮擋、目標(biāo)形變以及背景運(yùn)動(dòng)不敏感等優(yōu)點(diǎn),被廣泛應(yīng)用于目標(biāo)跟蹤領(lǐng)域,然而實(shí)際中,針對(duì)目標(biāo)跟蹤過(guò)程中的相似背景顏色干擾、尺度伸縮、快速運(yùn)動(dòng)以及部分遮擋等問(wèn)題,Mean Shift算法就顯得束手無(wú)策。為此,本文將聚類思想下的運(yùn)動(dòng)信息提取、預(yù)測(cè)判斷以及尺度估計(jì)應(yīng)用到跟蹤算法中,研究結(jié)合目標(biāo)運(yùn)動(dòng)信息與位置預(yù)測(cè)改進(jìn)的Mean Shift跟蹤算法,在能夠有效解決上述難題的情況下,完成實(shí)時(shí)、魯棒性高的運(yùn)動(dòng)目標(biāo)跟蹤。本文主要研究的內(nèi)容有:1、對(duì)獲取的視頻圖像進(jìn)行預(yù)處理,主要包括圖像去噪、顏色空間轉(zhuǎn)換以及顏色特征的選取。同時(shí)對(duì)Mean Shift聚類算法的主要思想以及在目標(biāo)跟蹤領(lǐng)域的應(yīng)用進(jìn)行論述,研究Mean Shift算法的跟蹤過(guò)程,從而對(duì)Mean Shift跟蹤算法的優(yōu)缺點(diǎn)進(jìn)行分析,為本文改進(jìn)的跟蹤算法建立基礎(chǔ)。2、針對(duì)Mean Shift跟蹤算法無(wú)法克服復(fù)雜環(huán)境下的背景顏色干擾問(wèn)題,本文首先提出一種基于顯著性機(jī)制改進(jìn)的MOG運(yùn)動(dòng)目標(biāo)檢測(cè)方法,主要是指通過(guò)引入顯著性檢測(cè)MSS算法來(lái)動(dòng)態(tài)調(diào)節(jié)其高斯模型的建模過(guò)程,在改善檢測(cè)結(jié)果的前提下提高其檢測(cè)效率。然后將提取到的運(yùn)動(dòng)信息應(yīng)用于Mean Shift框架中,使其對(duì)跟蹤過(guò)程中的目標(biāo)模型進(jìn)行加權(quán)描述,以此提高目標(biāo)和背景的區(qū)分度,減少背景信息對(duì)目標(biāo)定位的干擾,并進(jìn)行仿真實(shí)驗(yàn)驗(yàn)證改進(jìn)算法的抗干擾能力。3、在基于運(yùn)動(dòng)信息加權(quán)建模的基礎(chǔ)上,考慮到Mean Shift跟蹤算法無(wú)法適應(yīng)于目標(biāo)的尺度伸縮、快速運(yùn)動(dòng)及遮擋等問(wèn)題,提出一種結(jié)合目標(biāo)位置預(yù)測(cè)改進(jìn)的Mean Shift跟蹤算法。它主要是利用結(jié)合幀間聚類的運(yùn)動(dòng)估計(jì)及尺度估計(jì)算法對(duì)Mean Shift每次迭代的初始搜索位置進(jìn)行預(yù)測(cè),在確保搜索窗口能夠自適應(yīng)目標(biāo)尺度變化的前提下,可以實(shí)現(xiàn)對(duì)快速運(yùn)動(dòng)目標(biāo)的跟蹤。并針對(duì)目標(biāo)在跟蹤過(guò)程中是否被遮擋進(jìn)行分析和判斷,使其被遮擋時(shí)能夠進(jìn)一步利用預(yù)測(cè)值實(shí)現(xiàn)對(duì)目標(biāo)的定位,從而彌補(bǔ)Mean Shift跟蹤算法在處理遮擋問(wèn)題時(shí)的不足。此外,通過(guò)仿真實(shí)驗(yàn)對(duì)比,實(shí)驗(yàn)結(jié)果驗(yàn)證了改進(jìn)算法的有效性。
【學(xué)位單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41
【部分圖文】：

第 1 章 緒論第 1 章 緒論1.1 課題研究背景與意義人類能夠通過(guò)多種器官（眼睛、耳朵、鼻子等）來(lái)感知外界的訊息，但是人類獲取外界訊息的 80%都來(lái)自視覺(jué)系統(tǒng)。視覺(jué)作為人類認(rèn)知世界的重要手段之一，對(duì)于表現(xiàn)形式極其復(fù)雜的外界訊息來(lái)說(shuō)，如果通過(guò)人類的視覺(jué)系統(tǒng)來(lái)理解并非難事，但是如何讓計(jì)算機(jī)來(lái)理解，卻是一個(gè)大問(wèn)題。由于計(jì)算機(jī)受制于處理器的性能和智能算法，并不能像人類一樣來(lái)感知外界的信息，而計(jì)算機(jī)視覺(jué)（Computer Vision，CV）本質(zhì)上是在了解人類視覺(jué)基礎(chǔ)上，通過(guò)模擬人眼的視覺(jué)系統(tǒng)，使計(jì)算機(jī)具有人類雙眼所具備的分類、識(shí)別、跟蹤、判段決策等功能，且隨著科學(xué)技術(shù)的不斷提高，特別是計(jì)算機(jī)能力的強(qiáng)化，目前計(jì)算機(jī)視覺(jué)技術(shù)已被廣泛應(yīng)用于民生、軍事、醫(yī)療、教育等各大領(lǐng)域[2]。如圖 1.1 為人類視覺(jué)與計(jì)算機(jī)視覺(jué)下的外界信息表現(xiàn)形式。

圖 1.2 智能視覺(jué)監(jiān)控的處理框架由圖 1.2 可知，運(yùn)動(dòng)目標(biāo)跟蹤作為視覺(jué)監(jiān)控系統(tǒng)中的中層視覺(jué)技術(shù)，是行為推理、圖像理解和人工智能的技術(shù)基礎(chǔ)，即作為視覺(jué)監(jiān)控系統(tǒng)中必不可少的環(huán)節(jié)，能夠?qū)σ曨l場(chǎng)景中發(fā)生的異常情況作出響應(yīng)，比如說(shuō)對(duì)于銀行、商場(chǎng)、生活小區(qū)、交通道路等公共區(qū)域的無(wú)人值守以及無(wú)人指揮的場(chǎng)景下，監(jiān)控系統(tǒng)可以對(duì)場(chǎng)景中的人及車輛進(jìn)行實(shí)時(shí)跟蹤，并對(duì)跟蹤目標(biāo)的行為進(jìn)行識(shí)別與理解，這對(duì)保障人類的生產(chǎn)生活具有重要的作用。目前，盡管已經(jīng)有很多成熟的目標(biāo)跟蹤算法得到研究，但鑒于目標(biāo)受自身多變性以及外界環(huán)境復(fù)雜性等因素的影響，對(duì)要求準(zhǔn)確性和實(shí)時(shí)性跟蹤系統(tǒng)來(lái)說(shuō)，大多數(shù)跟蹤算法未能得到滿意的實(shí)際跟蹤效果，因此，無(wú)論從學(xué)術(shù)上還是從實(shí)際應(yīng)用上，如何準(zhǔn)確且實(shí)時(shí)地完成對(duì)復(fù)雜場(chǎng)景中的運(yùn)動(dòng)目標(biāo)跟蹤具有非常重要的研究?jī)r(jià)值。1.2 課題研究現(xiàn)狀與難點(diǎn)問(wèn)題1.2.1 目標(biāo)跟蹤技術(shù)的研究現(xiàn)狀在視頻信息處理中，運(yùn)動(dòng)目標(biāo)。跟蹤。作為其中最為關(guān)鍵性的一項(xiàng)技術(shù)，近些年來(lái)，通過(guò)理論與實(shí)踐的結(jié)合，早就在許多方面都得到了運(yùn)用。由此，激發(fā)了很多國(guó)內(nèi)外學(xué)者的

背景運(yùn)動(dòng)不敏感等優(yōu)點(diǎn)，已然作為目前跟蹤領(lǐng)域中的一大熱章重點(diǎn)對(duì)MeanShift聚類下的運(yùn)動(dòng)目標(biāo)跟蹤。算。法進(jìn)行研究，的魯棒性。像預(yù)處理始對(duì)視頻文件中讀取到的目標(biāo)圖像跟蹤之前，對(duì)其進(jìn)行去噪色特征的選取等預(yù)處理步驟是很有必要的，因?yàn)樗悄繕?biāo)跟使后期跟蹤處理的效果更為理想。為此，本文采用如下圖 2
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柯洪昌;邵文奇;梁丞漢;;一種基于顯著性區(qū)域的運(yùn)動(dòng)目標(biāo)跟蹤方法[J];科技創(chuàng)新與應(yīng)用;2017年09期

2 雍楊;王升哲;王兵學(xué);陳咸志;;采用稀疏特征選擇的紅外運(yùn)動(dòng)目標(biāo)跟蹤方法[J];激光與紅外;2015年04期

3 葛寶臻,張以謨,秦玉文,陳希明;自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤實(shí)驗(yàn)[J];光電工程;1998年05期

4 何信華;徐華麗;亓朝玉;趙雷;;視頻監(jiān)控中多運(yùn)動(dòng)目標(biāo)跟蹤[J];遙測(cè)遙控;2012年01期

5 方英武;王軼;金偉;王輝;;基于多信息融合的運(yùn)動(dòng)目標(biāo)跟蹤方法[J];光電工程;2011年08期

6 劉鑫;;基于投影的運(yùn)動(dòng)目標(biāo)跟蹤研究[J];電子測(cè)試;2009年03期

7 于勇;郭雷;;基于粒子濾波的紅外運(yùn)動(dòng)目標(biāo)跟蹤[J];計(jì)算機(jī)應(yīng)用;2008年06期

8 楊輝;;體育視頻中運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)研究[J];自動(dòng)化與儀器儀表;2016年06期

9 尚晉霞;;運(yùn)動(dòng)目標(biāo)跟蹤研究[J];電腦編程技巧與維護(hù);2013年12期

10 寧樹(shù)實(shí);石建學(xué);;基于均值漂移的視覺(jué)運(yùn)動(dòng)目標(biāo)跟蹤方法[J];無(wú)線互聯(lián)科技;2012年07期

相關(guān)博士學(xué)位論文 前10條

1 郭強(qiáng);基于視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];東北大學(xué);2015年

2 程帥;復(fù)雜條件下運(yùn)動(dòng)目標(biāo)跟蹤方法的研究[D];長(zhǎng)春理工大學(xué);2016年

3 文志強(qiáng);基于均值偏移算法的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究[D];中南大學(xué);2008年

4 陳愛(ài)斌;基于視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];中南大學(xué);2010年

5 簡(jiǎn)洪登;數(shù)字地球科學(xué)平臺(tái)中實(shí)時(shí)視頻運(yùn)動(dòng)目標(biāo)的智能模擬與分析[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院遙感與數(shù)字地球研究所);2017年

6 牛長(zhǎng)鋒;復(fù)雜背景下視頻運(yùn)動(dòng)目標(biāo)跟蹤的研究[D];北京理工大學(xué);2010年

7 程淑紅;動(dòng)態(tài)圖像目標(biāo)跟蹤算法研究[D];燕山大學(xué);2012年

8 張恒;無(wú)人機(jī)平臺(tái)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤及其視覺(jué)輔助著陸系統(tǒng)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

9 田鵬輝;視頻圖像中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D];長(zhǎng)安大學(xué);2013年

10 汪威;雙目視差模型及其在視覺(jué)伺服控制中的應(yīng)用研究[D];華中科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 董娜;基于復(fù)雜背景的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)研究[D];蘭州理工大學(xué);2019年

2 張雪;基于聚類分析下的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];哈爾濱工程大學(xué);2019年

3 王朝卿;運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤算法研究[D];中北大學(xué);2019年

4 常芳;基于相關(guān)濾波器的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];昆明理工大學(xué);2018年

5 余小萍;基于多獨(dú)立特征分布場(chǎng)的運(yùn)動(dòng)目標(biāo)跟蹤方法[D];湖南大學(xué);2015年

6 張帆;遮擋環(huán)境下運(yùn)動(dòng)目標(biāo)視覺(jué)跟蹤關(guān)鍵算法研究[D];沈陽(yáng)理工大學(xué);2018年

7 李莉;運(yùn)動(dòng)目標(biāo)跟蹤方法研究及系統(tǒng)設(shè)計(jì)[D];哈爾濱理工大學(xué);2018年

8 余慧瑤;多視場(chǎng)運(yùn)動(dòng)目標(biāo)跟蹤與交接算法研究[D];華東師范大學(xué);2018年

9 吳璇;基于機(jī)器視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];中國(guó)礦業(yè)大學(xué);2018年

10 劉澤坤;基于粒子濾波與局部稀疏表達(dá)的運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D];湖南大學(xué);2015年

本文編號(hào)：2845469