基于圖像的運動目標跟蹤一直以來都是計算機視覺的重要研究內容,并在視頻監(jiān)控、模式識別、人工智能等諸多領域得到廣泛應用。盡管國內外眾多學者已經對目標跟蹤技術進行了深入研究,但由于視頻中存在光照變化、尺寸變化、背景干擾以及障礙物遮擋等干擾因素,大部分目標跟蹤算法在穩(wěn)定性方面仍然難以達到理想的效果。基于此,本文對上述四種干擾因素進行研究,提升了單目標運動過程中的穩(wěn)定性,主要成果如下:首先,本文對常用目標檢測方法進行分析,結合課題背景,明確了跟蹤目標的判別要求,并選取連續(xù)幀間差分法進行采樣,在手動圈定的目標范圍內使用連通域搜索算法進行初步檢測;然后對算法所得結果進行后處理,即連通域搜索、面積篩選、連通域最小外接矩形框,得到運動目標區(qū)域并保存區(qū)域參數;其次,本文選用基于特征向量迭代的跟蹤算法,將顏色、邊緣及紋理特征結合起來進行向量迭代;最后,本文基于局部區(qū)域的特征更新方法并加以改進,減少了算法計算量,保證了算法實時性。本文主要討論目標在運動過程中的跟蹤穩(wěn)定性,針對具體場景下的單目標跟蹤,提出理論合理的解決方案并進行實驗仿真,從而達成減少跟蹤誤差、增強跟蹤穩(wěn)定性的目標。實驗結果表明改進后的算法具備良... 

【文章來源】：西南科技大學四川省

【文章頁數】：75 頁

【學位級別】：碩士

【部分圖文】：

光照條件改變下的跟蹤效果

西南科技大學碩士研究生學位論文 第12頁生變化，在視野范圍內，目標距離拍攝源越近，所占的像素越多，呈現出的物體尺寸也越大，反之亦然。如果跟蹤框的大小不能自適應地改變，當目標尺度變小時，由于跟蹤框內引入大量背景信息，與目標模板匹配度最高的候選目標未必是被跟蹤目標，將導致后續(xù)幀匹配失敗，最終無法正確跟蹤目標；當目標尺度變大時，跟蹤框內只包含目標的部分信息，由于有效信息的減少，無法確定目標的運動軌跡及運動姿態(tài)，也可能導致跟蹤失敗[50]。圖 2-3 為目標距離拍攝源距離由遠及近導致視野范圍內物體尺寸由小到大發(fā)生變化時，傳統(tǒng)跟蹤算法的跟蹤效果示意圖。

圖 2-4 背景干擾下的跟蹤效果Fig.2-4 The tracking effect under background disturbance由圖 2-4 可得，在整個目標運動過程中，沒有經過顏色相似的背景干擾區(qū)域時，算法尚能對目標進行標定；經過背景干擾區(qū)時，由于背景中物體與運動目標色彩相似度較高且距離較近，而傳統(tǒng)跟蹤算法主要基于顏色直方圖進行目標跟蹤，導致算法標定出現錯誤，跟蹤失敗[51][ 52]。因此，選取與背景差異性大的跟蹤特征，使背景的影響降到最小是解決背景干擾的最終目標。2.2.4 障礙物遮擋由于物體運動過程中周圍環(huán)境的復雜性，遮擋問題的存在相當普遍，屬于算法處理的難點問題，能否解決好遮擋問題是評價跟蹤算法穩(wěn)定性的重要指標。遮擋的表現多樣，按照遮擋原因可分為自遮擋、被環(huán)境內其他物體遮擋，按照遮擋程度可分為部分遮擋、全遮擋。遮擋會造成圖像序列中目標信

【參考文獻】：
期刊論文
[1]多特征分層融合的相關濾波魯棒跟蹤[J]. 魯國智,彭冬亮,谷雨.  中國圖象圖形學報. 2018(05)
[2]基于分布場的特征融合重檢測魯棒性跟蹤算法研究[J]. 張百戩,王嘉豐.  計算機與數字工程. 2018(04)
[3]基于改進幀間差分與局部Camshift相結合的目標跟蹤算法[J]. 周文靜,陳瑋.  軟件導刊. 2018(03)
[4]基于模板匹配的改進型目標識別算法[J]. 丁筱玲,趙強,李貽斌,馬昕.  山東大學學報(工學版). 2018(02)
[5]基于累積差分更新背景減除法的運動目標檢測算法研究[J]. 孫林林.  辦公自動化. 2018(02)
[6]智能交通中圖像處理技術應用綜述[J]. 佀君淑,張建文.  科技風. 2017(11)
[7]基于五幀差分法的動態(tài)目標檢測新算法[J]. 郭春鳳.  重慶科技學院學報(自然科學版). 2015(05)
[8]目標窗口尺寸自適應變化的Mean-Shift跟蹤算法[J]. 林慶,陳遠祥,王士同,詹永照.  計算機應用. 2009(12)
[9]基于梯度方向直方圖特征的多核跟蹤[J]. 賈慧星,章毓晉.  自動化學報. 2009(10)
[10]均值漂移算法中的目標模型更新方法研究[J]. 沈志熙,楊欣,黃席樾.  自動化學報. 2009(05)

博士論文
[1]復雜環(huán)境下魯棒實時目標跟蹤技術研究[D]. 曾凡祥.北京郵電大學 2017
[2]復雜場景下基于局部分塊和上下文信息的單視覺目標跟蹤[D]. 鮑華.中國科學技術大學 2017
[3]復雜條件下運動目標跟蹤方法的研究[D]. 程帥.長春理工大學 2016
[4]復雜地面背景下目標魯棒跟蹤技術研究[D]. 張路平.國防科學技術大學 2015
[5]基于單目視覺的運動目標跟蹤定位技術研究[D]. 姚楠.上海交通大學 2014
[6]復雜場景下實時視覺目標跟蹤的若干研究[D]. 朱建章.武漢大學 2014
[7]可視對象跟蹤算法研究及應用[D]. 權偉.西南交通大學 2013

碩士論文
[1]居家安防場景下抗光照干擾人臉識別算法的研究與設計[D]. 李國防.南京郵電大學 2017
[2]融合各最優(yōu)尺度下特征的高分辨率遙感影像分類[D]. 王慧.南京信息工程大學 2016
[3]海量灰度圖像八連通域并行標記算法的研究與應用[D]. 范家銘.河南大學 2015
[4]基于視頻監(jiān)控運動目標檢測算法研究[D]. 黃素茵.華南理工大學 2013
[5]紅外圖像序列中人體目標檢測與跟蹤方法研究[D]. 修彬.安徽大學 2013
[6]移動目標視覺追蹤系統(tǒng)設計與實現[D]. 羅金梅.電子科技大學 2012
[7]視頻圖像序列中運動目標的獲取與跟蹤[D]. 曹麗武.華中科技大學 2011
[8]基于改進粒子濾波器目標跟蹤算法研究[D]. 錢翔.安徽大學 2010



本文編號：3330004