運動目標跟蹤作為計算機視覺領域研究的重要分支之一,已在運動分析、行為識別、安防監(jiān)控等眾多領域被廣泛應用。但是,目標易受外界環(huán)境和自身等不確定因素影響,導致研究精度高且實時性好的目標跟蹤方法仍是一項挑戰(zhàn)。近幾年來,Mean Shift聚類算法因其計算量小,對邊緣遮擋、目標形變以及背景運動不敏感等優(yōu)點,被廣泛應用于目標跟蹤領域,然而實際中,針對目標跟蹤過程中的相似背景顏色干擾、尺度伸縮、快速運動以及部分遮擋等問題,Mean Shift算法就顯得束手無策。為此,本文將聚類思想下的運動信息提取、預測判斷以及尺度估計應用到跟蹤算法中,研究結(jié)合目標運動信息與位置預測改進的Mean Shift跟蹤算法,在能夠有效解決上述難題的情況下,完成實時、魯棒性高的運動目標跟蹤。本文主要研究的內(nèi)容有:1、對獲取的視頻圖像進行預處理,主要包括圖像去噪、顏色空間轉(zhuǎn)換以及顏色特征的選取。同時對Mean Shift聚類算法的主要思想以及在目標跟蹤領域的應用進行論述,研究Mean Shift算法的跟蹤過程,從而對Mean Shift跟蹤算法的優(yōu)缺點進行分析,為本文改進的跟蹤算法建立基礎。2、針對Mean Shift跟蹤算法無法克服復雜環(huán)境下的背景顏色干擾問題,本文首先提出一種基于顯著性機制改進的MOG運動目標檢測方法,主要是指通過引入顯著性檢測MSS算法來動態(tài)調(diào)節(jié)其高斯模型的建模過程,在改善檢測結(jié)果的前提下提高其檢測效率。然后將提取到的運動信息應用于Mean Shift框架中,使其對跟蹤過程中的目標模型進行加權描述,以此提高目標和背景的區(qū)分度,減少背景信息對目標定位的干擾,并進行仿真實驗驗證改進算法的抗干擾能力。3、在基于運動信息加權建模的基礎上,考慮到Mean Shift跟蹤算法無法適應于目標的尺度伸縮、快速運動及遮擋等問題,提出一種結(jié)合目標位置預測改進的Mean Shift跟蹤算法。它主要是利用結(jié)合幀間聚類的運動估計及尺度估計算法對Mean Shift每次迭代的初始搜索位置進行預測,在確保搜索窗口能夠自適應目標尺度變化的前提下,可以實現(xiàn)對快速運動目標的跟蹤。并針對目標在跟蹤過程中是否被遮擋進行分析和判斷,使其被遮擋時能夠進一步利用預測值實現(xiàn)對目標的定位,從而彌補Mean Shift跟蹤算法在處理遮擋問題時的不足。此外,通過仿真實驗對比,實驗結(jié)果驗證了改進算法的有效性。
【學位單位】：哈爾濱工程大學
【學位級別】：碩士
【學位年份】：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多種器官（眼睛、耳朵、鼻子等）來感知外界的訊息，但是人類獲取外界訊息的 80%都來自視覺系統(tǒng)。視覺作為人類認知世界的重要手段之一，對于表現(xiàn)形式極其復雜的外界訊息來說，如果通過人類的視覺系統(tǒng)來理解并非難事，但是如何讓計算機來理解，卻是一個大問題。由于計算機受制于處理器的性能和智能算法，并不能像人類一樣來感知外界的信息，而計算機視覺（Computer Vision，CV）本質(zhì)上是在了解人類視覺基礎上，通過模擬人眼的視覺系統(tǒng)，使計算機具有人類雙眼所具備的分類、識別、跟蹤、判段決策等功能，且隨著科學技術的不斷提高，特別是計算機能力的強化，目前計算機視覺技術已被廣泛應用于民生、軍事、醫(yī)療、教育等各大領域[2]。如圖 1.1 為人類視覺與計算機視覺下的外界信息表現(xiàn)形式。

圖 1.2 智能視覺監(jiān)控的處理框架由圖 1.2 可知，運動目標跟蹤作為視覺監(jiān)控系統(tǒng)中的中層視覺技術，是行為推理、圖像理解和人工智能的技術基礎，即作為視覺監(jiān)控系統(tǒng)中必不可少的環(huán)節(jié)，能夠?qū)σ曨l場景中發(fā)生的異常情況作出響應，比如說對于銀行、商場、生活小區(qū)、交通道路等公共區(qū)域的無人值守以及無人指揮的場景下，監(jiān)控系統(tǒng)可以對場景中的人及車輛進行實時跟蹤，并對跟蹤目標的行為進行識別與理解，這對保障人類的生產(chǎn)生活具有重要的作用。目前，盡管已經(jīng)有很多成熟的目標跟蹤算法得到研究，但鑒于目標受自身多變性以及外界環(huán)境復雜性等因素的影響，對要求準確性和實時性跟蹤系統(tǒng)來說，大多數(shù)跟蹤算法未能得到滿意的實際跟蹤效果，因此，無論從學術上還是從實際應用上，如何準確且實時地完成對復雜場景中的運動目標跟蹤具有非常重要的研究價值。1.2 課題研究現(xiàn)狀與難點問題1.2.1 目標跟蹤技術的研究現(xiàn)狀在視頻信息處理中，運動目標。跟蹤。作為其中最為關鍵性的一項技術，近些年來，通過理論與實踐的結(jié)合，早就在許多方面都得到了運用。由此，激發(fā)了很多國內(nèi)外學者的

背景運動不敏感等優(yōu)點，已然作為目前跟蹤領域中的一大熱章重點對MeanShift聚類下的運動目標跟蹤。算。法進行研究，的魯棒性。像預處理始對視頻文件中讀取到的目標圖像跟蹤之前，對其進行去噪色特征的選取等預處理步驟是很有必要的，因為它是目標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】

相關期刊論文 前10條

1 柯洪昌;邵文奇;梁丞漢;;一種基于顯著性區(qū)域的運動目標跟蹤方法[J];科技創(chuàng)新與應用;2017年09期

2 雍楊;王升哲;王兵學;陳咸志;;采用稀疏特征選擇的紅外運動目標跟蹤方法[J];激光與紅外;2015年04期

3 葛寶臻,張以謨,秦玉文,陳希明;自適應運動目標跟蹤實驗[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)控中多運動目標跟蹤[J];遙測遙控;2012年01期

5 方英武;王軼;金偉;王輝;;基于多信息融合的運動目標跟蹤方法[J];光電工程;2011年08期

6 劉鑫;;基于投影的運動目標跟蹤研究[J];電子測試;2009年03期

7 于勇;郭雷;;基于粒子濾波的紅外運動目標跟蹤[J];計算機應用;2008年06期

8 楊輝;;體育視頻中運動目標跟蹤技術研究[J];自動化與儀器儀表;2016年06期

9 尚晉霞;;運動目標跟蹤研究[J];電腦編程技巧與維護;2013年12期

10 寧樹實;石建學;;基于均值漂移的視覺運動目標跟蹤方法[J];無線互聯(lián)科技;2012年07期

相關博士學位論文 前10條

1 郭強;基于視覺的運動目標跟蹤關鍵技術研究[D];東北大學;2015年

2 程帥;復雜條件下運動目標跟蹤方法的研究[D];長春理工大學;2016年

3 文志強;基于均值偏移算法的運動目標跟蹤技術的研究[D];中南大學;2008年

4 陳愛斌;基于視覺的運動目標跟蹤方法研究[D];中南大學;2010年

5 簡洪登;數(shù)字地球科學平臺中實時視頻運動目標的智能模擬與分析[D];中國科學院大學(中國科學院遙感與數(shù)字地球研究所);2017年

6 牛長鋒;復雜背景下視頻運動目標跟蹤的研究[D];北京理工大學;2010年

7 程淑紅;動態(tài)圖像目標跟蹤算法研究[D];燕山大學;2012年

8 張恒;無人機平臺運動目標檢測與跟蹤及其視覺輔助著陸系統(tǒng)研究[D];國防科學技術大學;2008年

9 田鵬輝;視頻圖像中運動目標檢測與跟蹤方法研究[D];長安大學;2013年

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

相關碩士學位論文 前10條

1 董娜;基于復雜背景的運動目標跟蹤技術研究[D];蘭州理工大學;2019年

2 張雪;基于聚類分析下的運動目標跟蹤算法研究[D];哈爾濱工程大學;2019年

3 王朝卿;運動目標檢測跟蹤算法研究[D];中北大學;2019年

4 常芳;基于相關濾波器的運動目標跟蹤方法研究[D];昆明理工大學;2018年

5 余小萍;基于多獨立特征分布場的運動目標跟蹤方法[D];湖南大學;2015年

6 張帆;遮擋環(huán)境下運動目標視覺跟蹤關鍵算法研究[D];沈陽理工大學;2018年

7 李莉;運動目標跟蹤方法研究及系統(tǒng)設計[D];哈爾濱理工大學;2018年

8 余慧瑤;多視場運動目標跟蹤與交接算法研究[D];華東師范大學;2018年

9 吳璇;基于機器視覺的運動目標跟蹤方法研究[D];中國礦業(yè)大學;2018年

10 劉澤坤;基于粒子濾波與局部稀疏表達的運動目標跟蹤算法研究[D];湖南大學;2015年

本文編號：2845469