【摘要】：隨著計算機技術(shù)的飛速發(fā)展以及視頻采集設(shè)備的大規(guī)模應(yīng)用,對于計算機視覺的研究也受到越來越多的關(guān)注。目標跟蹤作為計算機視覺領(lǐng)域中的關(guān)鍵技術(shù)之一,被廣泛地應(yīng)用于視頻監(jiān)控、人機交互、醫(yī)學(xué)診斷、精確制導(dǎo)等民用和軍事的諸多領(lǐng)域。在目標跟蹤技術(shù)的研究和發(fā)展過程中,涌現(xiàn)出了眾多優(yōu)秀的算法,并在應(yīng)用中取得了良好的表現(xiàn)。然而要將算法應(yīng)用于真實世界中實現(xiàn)復(fù)雜場景下的目標跟蹤,依然還有很多需要解決的問題。根據(jù)理論研究和實際應(yīng)用的需要,在對已有目標跟蹤方法進行了深入分析和討論的基礎(chǔ)上,論文針對復(fù)雜環(huán)境下的目標跟蹤中存在的難點問題,展開了以下內(nèi)容的工作：(1)針對跟蹤過程中目標發(fā)生遮擋以及形變的問題,提出了一種改進的基于局部模型的目標跟蹤算法。算法以局部特征為基本元素,利用廣義霍夫變換對局部特征的穩(wěn)定性進行加權(quán)來構(gòu)建目標模型。將穩(wěn)定的局部特征作為前景,計算目標全局的顏色概率分布,再以此來調(diào)整局部模型,并對跟蹤結(jié)果進行優(yōu)化,減少跟蹤誤差。局部特征與全局特征相互約束和補充,共同完成在線更新,提高了局部模型的適應(yīng)性和穩(wěn)定性,增強了算法對遮擋和形變問題的處理能力。(2)對視頻場景中的多目標跟蹤問題進行了研究,并對主流的基于檢測的多目標跟蹤方法進行了分析。目前主流的通用目標檢測算法在復(fù)雜場景下檢測結(jié)果的準確率依然不夠理想,容易出現(xiàn)誤檢和漏檢,進而造成跟蹤失敗。針對這一問題,提出了一種基于通用檢測器的多目標跟蹤算法。算法采用基于方向梯度直方圖的通用目標檢測器,同時結(jié)合背景減除的方法對檢測結(jié)果進行修正。之后采用中值光流和粒子濾波的方法利用上下文信息進行跟蹤,將結(jié)果用于數(shù)據(jù)關(guān)聯(lián)的優(yōu)化,從而獲得更穩(wěn)定的跟蹤結(jié)果。(3)針對高密度的群體目標運動情況,提出了一種基于光流聚類的群體運動模式分析方法。首先提取視頻中每一幀的特征點,并利用光流法進行跟蹤,得到光流信息。然后對一段時間內(nèi)的光流信息進行統(tǒng)計,生成包含群體運動信息的光流場,并通過濾波去除噪聲和無效的光流。之后采用基于密度的聚類方法對光流信息進行聚類分析,得出群體的運動模式,直觀準確地反映群體目標的運動狀態(tài)。最后進一步將群體運動模式作為先驗信息,給出了一種結(jié)合運動模式的粒子濾波跟蹤算法,驗證了運動模式的有效性。(4)針對無約束運動目標的跟蹤問題,對基于檢測的目標跟蹤方法進行了研究,提出了兩種不同層次的融合跟蹤算法。1)算法級別的融合：提出了一種采用多算法對檢測結(jié)果進行約束和優(yōu)化的層級式融合跟蹤算法。方法采用模板匹配實現(xiàn)對穩(wěn)定性的約束,采用光流跟蹤實現(xiàn)對適應(yīng)性的增強。通過這兩種方法與在線自適應(yīng)增強算法的融合,減少了漂移的影響,提高了跟蹤效果。2)信息級別的融合：提出了一種基于霍夫隨機蕨的多信息融合目標跟蹤算法。采用局部圖像塊作為低層級特征,并采用隨機蕨訓(xùn)練局部特征的檢測器,利用檢測結(jié)果對目標位置進行霍夫投票。通過圖像分割生成超像素作為中層級特征,并以超像素為單位對顏色概率分布進行建模。利用顏色概率模型對檢測器進行約束并對跟蹤結(jié)果進行優(yōu)化,提高檢測器對目標外觀變化的魯棒性。算法將這兩個基于不同特征的模型有機結(jié)合,融合了局部檢測、位置估計和顏色概率分布三種信息,從而取得更準確的跟蹤結(jié)果。論文受到國家自然科學(xué)基金“基于視頻網(wǎng)絡(luò)的群體行為分析與異常個體協(xié)同跟蹤”(No.61173091)的支持。
[Abstract]:......
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 高美真;姜曉峰;;人類視覺與計算機視覺的比較[J];焦作師范高等專科學(xué)校學(xué)報;2007年01期

2 徐光yP;;以人為中心的計算機視覺應(yīng)用[J];中國圖象圖形學(xué)報;2009年02期

3 韓紅;焦李成;;談計算機視覺課程的教學(xué)創(chuàng)新[J];計算機教育;2010年19期

4 王振華;胡占義;;2011國際計算機視覺大會簡介[J];計算機輔助設(shè)計與圖形學(xué)學(xué)報;2012年02期

5 劉兵;;關(guān)于計算機視覺成像的研究分析[J];煤炭技術(shù);2013年06期

6 顧偉康;計算機視覺學(xué)的發(fā)展概況[J];浙江大學(xué)學(xué)報;1986年04期

7 蔡愉祖;計算機視覺概述[J];系統(tǒng)工程與電子技術(shù);1986年01期

8 戰(zhàn)德臣;陳景春;李仲榮;;計算機視覺研究的一種分布式專家系統(tǒng)模型[J];航天控制;1989年02期

9 趙榮椿;計算機視覺——未來測控技術(shù)中的重要角色[J];測控技術(shù);1992年01期

10 周國清,唐曉芳;計算機視覺及其應(yīng)用[J];中國計算機用戶;1996年08期

相關(guān)會議論文 前10條

1 宋小華;歐陽丹彤;;時空推理在計算機視覺的應(yīng)用[A];2006年全國理論計算機科學(xué)學(xué)術(shù)年會論文集[C];2006年

2 謝麗欣;牟會;王歡;劉明霞;;基于計算機視覺的人臉檢測與識別綜述[A];第三屆全國軟件測試會議與移動計算、柵格、智能化高級論壇論文集[C];2009年

3 陳強;孫振國;;計算機視覺在焊接中的應(yīng)用[A];第十次全國焊接會議論文集（第1冊）[C];2001年

4 田涌濤;洪錫軍;王有慶;李從心;;計算機視覺在先進制造技術(shù)中的應(yīng)用[A];面向制造業(yè)的自動化與信息化技術(shù)創(chuàng)新設(shè)計的基礎(chǔ)技術(shù)——2001年中國機械工程學(xué)會年會暨第九屆全國特種加工學(xué)術(shù)年會論文集[C];2001年

5 劉敏娟;洪添勝;李震;吳偉斌;劉志壯;;基于計算機視覺的荔枝檢測與分級方法[A];紀念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

6 孫潔瓊;孫明;;基于計算機視覺的水果外觀品質(zhì)檢測分級研究現(xiàn)狀[A];中國農(nóng)業(yè)工程學(xué)會電氣信息與自動化專業(yè)委員會、中國電機工程學(xué)會農(nóng)村電氣化分會科技與教育專委會2010年學(xué)術(shù)年會論文摘要[C];2010年

7 王劃一;王效良;;計算機視覺在絎縫機自動編程及控制中的應(yīng)用[A];第二十屆中國控制會議論文集（下）[C];2001年

8 周紅;劉光蓉;;計算機視覺及其在谷物籽粒檢測分級中的應(yīng)用[A];中國糧油學(xué)會第三屆學(xué)術(shù)年會論文選集（下冊）[C];2004年

9 吳彥紅;劉木華;楊君;鄭華東;;大米外觀品質(zhì)的計算機視覺在線檢測技術(shù)研究[A];農(nóng)業(yè)機械化與新農(nóng)村建設(shè)——中國農(nóng)業(yè)機械學(xué)會2006年學(xué)術(shù)年會論文集（下冊）[C];2006年

10 張慶敏;于龍;;計算機視覺在接觸網(wǎng)定位器坡度識別中的應(yīng)用[A];高速鐵路接觸網(wǎng)零部件安全可靠性技術(shù)論文集[C];2013年

相關(guān)重要報紙文章 前9條

1 記者 李大慶;我在國際計算機視覺算法競賽中摘金[N];科技日報;2011年

2 滕繼濮;不放過一個“壞蛋”[N];糧油市場報;2011年

3 ;生活中的計算機視覺[N];中國計算機報;2006年

4 王悅承;逾30篇中國論文入選ICCV[N];中國計算機報;2005年

5 本報記者 滕繼濮;無損檢測技術(shù)：不放過一個“壞蛋”[N];科技日報;2011年

6 本報記者 薛娟;未來搜索：沒有搜索的搜索[N];中國經(jīng)濟時報;2010年

7 記者 楊杰 實習(xí)記者 李樂;農(nóng)機領(lǐng)域喜獲四項大獎[N];中國農(nóng)機化導(dǎo)報;2009年

8 張明平　記者 趙鳳華;蘋果的氣味“看”出來[N];科技日報;2009年

9 記者 常麗君;新軟件能“預(yù)測”你各年齡段長相[N];科技日報;2014年

相關(guān)博士學(xué)位論文 前10條

1 王強;基于幾何代數(shù)的計算機視覺問題研究[D];國防科學(xué)技術(shù)大學(xué);2013年

2 王任大;基于計算機視覺的手勢交互技術(shù)及其在航海中的應(yīng)用[D];大連海事大學(xué);2014年

3 賀文驊;基于計算機視覺的復(fù)雜場景下目標跟蹤研究[D];西安電子科技大學(xué);2015年

4 潘磊慶;基于計算機視覺和聲學(xué)技術(shù)融合檢測雞蛋品質(zhì)的研究[D];南京農(nóng)業(yè)大學(xué);2007年

5 孔明;顆粒粒徑和形態(tài)計算機視覺測量方法研究[D];東南大學(xué);2005年

6 劉釗;基于計算智能的計算機視覺及其應(yīng)用研究[D];武漢科技大學(xué);2011年

7 李慶中;蘋果自動分級中計算機視覺信息快速獲取與處理技術(shù)的研究[D];中國農(nóng)業(yè)大學(xué);2000年

8 謝存;計算機視覺中若干問題實現(xiàn)技術(shù)和算法的研究[D];大連理工大學(xué);2002年

9 趙書濤;基于計算機視覺的直讀儀表校驗方法研究[D];華北電力大學(xué)（河北）;2006年

10 柴阿麗;基于計算機視覺和光譜分析技術(shù)的蔬菜葉部病害診斷研究[D];中國農(nóng)業(yè)科學(xué)院;2011年

相關(guān)碩士學(xué)位論文 前10條

1 王福香;基于計算機視覺的馬鈴薯外部缺陷檢測方法研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2015年

2 余饒東;基于腦波與計算機視覺的注意力檢測技術(shù)在E-Learning中的應(yīng)用研究[D];昆明理工大學(xué);2015年

3 李想;基于計算機視覺的花卉分級系統(tǒng)研究[D];天津理工大學(xué);2015年

4 吳林林;基于計算機視覺的皮革測配色研究[D];陜西科技大學(xué);2015年

5 龍怡霖;基于計算機視覺的雜草種子鑒別[D];西北農(nóng)林科技大學(xué);2015年

6 謝艷鵬;面向細胞行為辨識的計算機視覺研究與應(yīng)用[D];沈陽理工大學(xué);2015年

7 丁僑俊;基于計算機視覺的智能停車場引導(dǎo)系統(tǒng)研究[D];福建師范大學(xué);2015年

8 王鵬博;多態(tài)并行機上的OpenVX系統(tǒng)實現(xiàn)[D];西安郵電大學(xué);2015年

9 周志強;基于計算機視覺的指針式電表校驗的關(guān)鍵技術(shù)研究[D];南昌大學(xué);2015年

10 陳玉潔;基于計算機視覺的外膜厚度測量方法的研究[D];南昌航空大學(xué);2015年

，

本文編號：2280653