發(fā)布時間：2021-06-22 01:06

　　目標(biāo)跟蹤方法的研究是計算機視覺領(lǐng)域中的一項重要應(yīng)用,也是安防、交通和人機交互的核心技術(shù),目標(biāo)跟蹤的目前困難的地方在于需要在一個算法中考慮到外觀變形,光照變化,快速運動和運動模糊,背景相似干擾等問題,并使其在跟蹤過程中具有高度實時性。我在目標(biāo)跟蹤方向主要作了以下的研究。1)針對目標(biāo)跟蹤領(lǐng)域,比如因外部光照變化導(dǎo)致物體呈現(xiàn)的顏色發(fā)生改變或目標(biāo)物運動導(dǎo)致發(fā)生形變,以及目標(biāo)被遮擋時引起跟蹤目標(biāo)的失蹤等問題,從跟蹤模型的角度出發(fā),提出了一種融合深度特征的核相關(guān)濾波跟蹤算法。實驗結(jié)果表明,當(dāng)目標(biāo)物出現(xiàn)了遮擋和光照變化,其跟蹤效果依然具有較好的穩(wěn)定性。2)針對原有的跟蹤模型計算復(fù)雜,跟蹤效果遲滯,提出一種新的算法命名為BIMT。該算法采用生物視覺記憶機制激勵模型來表示目標(biāo)外觀模型的構(gòu)建,模擬了人類對目標(biāo)信息的觀察機制,采用結(jié)構(gòu)化支持向量機（SVM）分類器模擬瞬時記憶工作空間,將目標(biāo)跟蹤器與背景噪聲分離。跟蹤結(jié)果驗證了所提出的跟蹤算法的實用性,證明了基于生物視覺的跟蹤機制具有廣闊的應(yīng)用前景。3)將BIMT目標(biāo)跟蹤算法應(yīng)用到移動機器人平臺上,結(jié)合控制芯片和單目相機,準(zhǔn)確估計目標(biāo)位置信息,實驗效果驗證了提... 

【文章來源】：華北理工大學(xué)河北省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

在線視覺追蹤系統(tǒng)的框架圖

華北理工大學(xué)碩士學(xué)位論文-6-就目標(biāo)跟蹤應(yīng)用而言，機器人應(yīng)用范圍較為廣泛，如巡檢機器人，AGV（AutomatedGuidedVehicle），自動駕駛，導(dǎo)游機器人等，但就目前的情況，能夠精確定位并跟蹤目標(biāo)對機器人來說是至關(guān)重要的，也是眾多應(yīng)用的基矗例如服務(wù)機器人如圖2和3，特別是在有需求的會展室、景點和飯店中跟隨設(shè)定的目標(biāo)物，給服務(wù)人群提供設(shè)定好的服務(wù)要求，例如古跡介紹、景點介紹或者提供餐飲需求等。傳統(tǒng)機器人在目標(biāo)跟蹤方面還有一些問題，不能對突發(fā)狀況進行自我學(xué)習(xí)調(diào)整，只可以根據(jù)當(dāng)初設(shè)定的動作進行重復(fù)，很難對以前所遇到的相同情況進行學(xué)習(xí)積累，以應(yīng)對以后面臨的困難，沒有解決突發(fā)困難。由于以上問題，我所研究的算法將在精確度與時效性上進行提高，并在四輪機器人上進行試驗驗證。圖2餐廳服務(wù)機器人圖3導(dǎo)游機器人Fig2RestaurantservicerobotFig3Robotictourguide1.1.2課題研究的意義生物獲取外界信息70%-80%靠視覺系統(tǒng)獲得，其中主要包括物體的輪廓，運動姿態(tài)，外部特征，顏色，運行軌跡等對識別物體有幫助的信息。近幾年來，由于計算機硬件的發(fā)展，人工智能的不斷發(fā)展，智能產(chǎn)品不斷地涌入了人們的生活，人類也對電子產(chǎn)品智能程度的也有較高的需求，工程師希望通過硬件軟件相結(jié)合的方式模擬出復(fù)雜的生物視覺系統(tǒng)，從而實現(xiàn)對人類從繁瑣勞動中解放出來，機器視覺在巨大的市場前景下應(yīng)運而生。當(dāng)設(shè)計的電子產(chǎn)品具備生物一樣的視覺系統(tǒng)，能夠識別跟蹤物體。因為市場前景比較廣闊，當(dāng)下在智能裝備中機器視覺是一個前景廣

華北理工大學(xué)碩士學(xué)位論文-6-就目標(biāo)跟蹤應(yīng)用而言，機器人應(yīng)用范圍較為廣泛，如巡檢機器人，AGV（AutomatedGuidedVehicle），自動駕駛，導(dǎo)游機器人等，但就目前的情況，能夠精確定位并跟蹤目標(biāo)對機器人來說是至關(guān)重要的，也是眾多應(yīng)用的基矗例如服務(wù)機器人如圖2和3，特別是在有需求的會展室、景點和飯店中跟隨設(shè)定的目標(biāo)物，給服務(wù)人群提供設(shè)定好的服務(wù)要求，例如古跡介紹、景點介紹或者提供餐飲需求等。傳統(tǒng)機器人在目標(biāo)跟蹤方面還有一些問題，不能對突發(fā)狀況進行自我學(xué)習(xí)調(diào)整，只可以根據(jù)當(dāng)初設(shè)定的動作進行重復(fù)，很難對以前所遇到的相同情況進行學(xué)習(xí)積累，以應(yīng)對以后面臨的困難，沒有解決突發(fā)困難。由于以上問題，我所研究的算法將在精確度與時效性上進行提高，并在四輪機器人上進行試驗驗證。圖2餐廳服務(wù)機器人圖3導(dǎo)游機器人Fig2RestaurantservicerobotFig3Robotictourguide1.1.2課題研究的意義生物獲取外界信息70%-80%靠視覺系統(tǒng)獲得，其中主要包括物體的輪廓，運動姿態(tài)，外部特征，顏色，運行軌跡等對識別物體有幫助的信息。近幾年來，由于計算機硬件的發(fā)展，人工智能的不斷發(fā)展，智能產(chǎn)品不斷地涌入了人們的生活，人類也對電子產(chǎn)品智能程度的也有較高的需求，工程師希望通過硬件軟件相結(jié)合的方式模擬出復(fù)雜的生物視覺系統(tǒng)，從而實現(xiàn)對人類從繁瑣勞動中解放出來，機器視覺在巨大的市場前景下應(yīng)運而生。當(dāng)設(shè)計的電子產(chǎn)品具備生物一樣的視覺系統(tǒng)，能夠識別跟蹤物體。因為市場前景比較廣闊，當(dāng)下在智能裝備中機器視覺是一個前景廣


本文編號：3241802