本文關(guān)鍵詞： 圖像處理 目標跟蹤 主成分分析 尺度變化 Camshift算法 隱馬爾可夫模型　出處：《激光與光電子學進展》2017年09期 　論文類型：期刊論文

【摘要】：為解決運動目標跟蹤過程中由于遮擋、光照變化、尺度變化等因素導致的目標易丟失以及傳統(tǒng)Camshift跟蹤算法中跟蹤窗口易發(fā)散等問題,提出一種融合優(yōu)化的隱馬爾可夫模型(HMM)和分塊特征匹配的運動目標跟蹤算法。首先,利用主成分分析(PCA)結(jié)合特征位置對目標仿射尺度不變特征變換(ASIFT)特征進行降維生成PCA-ASIFT特征,保留目標關(guān)鍵信息;其次,采用粒子濾波最優(yōu)特征位置優(yōu)化目標PCA-ASIFT特征的HMM參數(shù);最后,通過HSV直方圖模型建立目標分塊,賦予不同目標分塊相應權(quán)重并結(jié)合分塊特征匹配以改善Camshift算法實現(xiàn)運動目標跟蹤。實驗結(jié)果表明,在自然場景下,本文算法能夠取得較好的運動目標跟蹤效果,對遮擋、尺度變化等具有較好的穩(wěn)健性。
[Abstract]:In order to solve the problem that the target is easy to lose in the process of moving target tracking, such as occlusion, illumination change, scale change and so on, and the tracking window is easy to divergence in the traditional Camshift tracking algorithm. This paper proposes a moving target tracking algorithm based on the fusion of the optimized hidden Markov model (HMMM) and block feature matching. The principal component analysis (PCA) combined with feature location is used to reduce the dimension of the target's affine scale invariant feature transformation (sift) to generate the PCA-ASIFT feature and preserve the key information of the target. Secondly, the particle filter is used to optimize the HMM parameters of the target PCA-ASIFT feature. Finally, the HSV histogram model is used to establish the target block, and the corresponding weight is given to the different target block and the block feature matching is combined to improve the Camshift algorithm to achieve moving target tracking. In the natural scene, this algorithm can achieve a better tracking effect of moving targets, and has good robustness to occlusion, scale change and so on.
【作者單位】： 常州輕工職業(yè)技術(shù)學院信息工程系;
【基金】：江蘇省自然科學基金(BK20140265) 常州市科技計劃項目(CJ20160010)
【分類號】：O211.62;TP391.41
【正文快照】： 自然場景下的運動目標跟蹤一直是計算機視覺領(lǐng)域的研究熱點。由于在運動目標跟蹤的過程中,極易發(fā)生目標遮擋、尺度變化以及光照突變等,導致從視頻序列圖像中難以提取完整的運動目標,可用的目標信息量較少,目標跟蹤穩(wěn)定性差;還會導致目標檢測與跟蹤算法的運算量較大,運動目標跟

【相似文獻】

相關(guān)期刊論文 前10條

1 黃崗;;馬爾可夫及隱馬爾可夫模型的應用[J];電子設計工程;2013年17期

2 馮志偉;;隱馬爾可夫模型及其在自動詞類標注中的應用[J];燕山大學學報;2013年04期

3 朱明;郭春生;;隱馬爾可夫模型及其最新應用與發(fā)展[J];計算機系統(tǒng)應用;2010年07期

4 劉國澤;張永平;蔡昊燃;王瀚哲;王寧;;基于隱馬爾可夫模型的火場噪聲數(shù)學模型[J];科技信息;2012年22期

5 羅澤舉,朱思銘,何淼;基于隱馬爾可夫模型的多重序列分析[J];中山大學學報(自然科學版);2005年02期

6 杜世平,李海;二階隱馬爾可夫模型及其在計算語言學中的應用[J];四川大學學報(自然科學版);2004年02期

7 王志超;劉惠義;;一種基于隱馬爾可夫模型的人臉識別方法[J];計算機應用與軟件;2013年02期

8 羅澤舉;宋麗紅;;隱馬爾可夫模型的多序列比對研究[J];計算機工程與應用;2010年07期

9 杜世平;;對經(jīng)典隱馬爾可夫模型學習算法的改進[J];高等數(shù)學研究;2006年04期

10 張蕊;夏樂天;;改進隱馬爾可夫模型在日降雨發(fā)生模擬中的應用[J];人民長江;2012年20期

相關(guān)會議論文 前2條

1 楊文強;鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點識別[A];中國運籌學會第六屆學術(shù)交流會論文集（下卷）[C];2000年

2 李玉猹;;半隱馬爾可夫模型[A];科技、工程與經(jīng)濟社會協(xié)調(diào)發(fā)展——中國科協(xié)第五屆青年學術(shù)年會論文集[C];2004年

相關(guān)碩士學位論文 前10條

1 白雁飛;基于隱馬爾可夫模型的J波識別技術(shù)研究[D];太原理工大學;2016年

2 莫玉婷;基于貝葉斯分析的隱馬爾可夫模型及其應用[D];華南農(nóng)業(yè)大學;2016年

3 王國剛;n階隱馬爾可夫模型的參數(shù)估計[D];南京郵電大學;2011年

4 杜世平;隱馬爾可夫模型的原理及其應用[D];四川大學;2004年

5 張艷雪;基于模糊—隱馬爾可夫模型的復合式攻擊預測方法研究[D];河北師范大學;2015年

6 王佳;對于非參數(shù)隱馬爾可夫模型的平滑度選取[D];東北師范大學;2009年

7 趙效毓;基于最大熵隱馬爾可夫模型的基因啟動子識別[D];南京農(nóng)業(yè)大學;2014年

8 孫春生;隱馬爾可夫模型下基于通信流的隱組識別[D];西安電子科技大學;2009年

9 韓巧利;基于隱馬爾可夫模型與EM算法的復雜機械系統(tǒng)故障診斷的研究[D];華中科技大學;2012年

10 李祺;基于隱馬爾可夫模型的網(wǎng)絡流量分類和控制技術(shù)研究[D];重慶大學;2012年

，

本文編號：1478877