本文關(guān)鍵詞：基于局部敏感直方圖的視覺目標跟蹤算法研究

  更多相關(guān)文章： 視覺目標跟蹤 Haar特征 局部敏感直方圖 目標預(yù)定位

【摘要】：視覺目標跟蹤可為計算機視覺的高級任務(wù)(如圖像理解、行為分析等)提供技術(shù)支撐,因此一直都是計算機視覺中最活躍的研究領(lǐng)域之一,被廣泛應(yīng)用于增強現(xiàn)實、智能視頻監(jiān)控、目標識別、醫(yī)學(xué)診斷、視覺導(dǎo)航和空間監(jiān)控等領(lǐng)域。同時,近年來視頻傳感器的廣泛應(yīng)用以及測試計量技術(shù)及儀器領(lǐng)域中多傳感器融合的研究,催生了對視頻傳感器輸出數(shù)據(jù)自動處理方面的需求,這對視覺目標跟蹤技術(shù)的研究也起到了推動作用。雖然經(jīng)過長期深入研究后,人們提出了許多算法來解決不同應(yīng)用場景下的視頻跟蹤問題,但在實際環(huán)境中的應(yīng)用仍舊存在諸多難點。比如,目標的表觀會隨著外界的背景擁簇、光照變化、其它物體的遮擋以及相對運動造成的運動模糊而發(fā)生改變;同時,視頻中的目標在運動過程中自身還可能發(fā)生形變、旋轉(zhuǎn)和縮放等各種不可預(yù)知的復(fù)雜變化。這使得在實際環(huán)境中構(gòu)建具有普適性的、精準穩(wěn)定的魯棒性視覺目標跟蹤算法仍然是個極大的挑戰(zhàn)。本文首先通過改進視覺跟蹤算法中的目標表觀建模方法,改善了復(fù)雜環(huán)境下的單視覺目標的跟蹤效果。然后,通過縮減計算半徑和Mean Shift預(yù)定位的方法,在不降低跟蹤準確性的前提下提升了算法的跟蹤速度。本論文完成了如下研究工作:在研究Mean Shift視覺目標跟蹤算法和Haar特征的基礎(chǔ)上,通過對Haar特征值的規(guī)整化以及對數(shù)量化,改變了Haar特征值在各量化區(qū)間的分布。再進一步利用亮度和顏色分離表示的HSI顏色空間,提出了Haar特征和顏色特征聯(lián)合構(gòu)建目標表觀模型的方法。從而改善了目標被相似物遮擋以及光照變化時Mean Shift視覺目標跟蹤算法的跟蹤效果。在研究基于局部敏感直方圖的視覺目標跟蹤算法的基礎(chǔ)上,首先對局部敏感直方圖快速算法的計算缺陷進行了說明;其次,通過在原有快速算法中的?45?方向上引入L2范數(shù)度量的像素點間距離,修正了原有快速算法在?45?方向上的計算缺陷,得到了局部敏感直方圖快速算法的改進算法;再次,利用L2范數(shù)與L1范數(shù)在?45?方向上對像素點間距離度量的差異性,得到了ELSH的次優(yōu)權(quán)重系數(shù)的自適應(yīng)生成方法;最后,通過引入Bhattacharyya系數(shù)對模板間相似性進行判定,修正了原始算法中通過比較特定位置來判斷模板間相似性的不足。最終,提出的基于8鄰域局部敏感直方圖的視覺目標跟蹤算法,對亮度變化的目標的跟蹤效果要優(yōu)于原始視覺目標跟蹤算法下的跟蹤效果。通過縮減8鄰域局部敏感直方圖的計算半徑,降低了基于8鄰域局部敏感直方圖視覺目標跟蹤算法的跟蹤耗時。通過采用Mean Shift預(yù)定位的方法減緩了隨之而來的模版間相似性下降的問題。利用基于局部敏感直方圖視覺跟蹤算法的更新模塊,對Mean Shift中的目標模版進行更新。最終,提出了基于預(yù)定位8鄰域局部敏感直方圖的視覺目標跟蹤算法。其在不降低跟蹤效果的前提下,有效降低了基于8鄰域局部敏感直方圖視覺跟蹤算法的跟蹤耗時。對多組有針對性的視頻數(shù)據(jù)的測試表明,本文提出的跟蹤方法在處理光照變化、遮擋、運動模糊和相似性背景等方面都表現(xiàn)出了較好的性能。
【關(guān)鍵詞】：視覺目標跟蹤 Haar特征 局部敏感直方圖 目標預(yù)定位
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要5-7
• Abstract7-14
• 第1章 緒論14-26
• 1.1 課題研究的背景和意義14-16
• 1.2 視覺目標跟蹤現(xiàn)狀16-23
• 1.2.1 視覺目標跟蹤問題的描述16-17
• 1.2.2 視覺目標跟蹤算法概述17-23
• 1.2.3 視覺目標跟蹤中面臨的難點23
• 1.3 論文的主要研究內(nèi)容及結(jié)構(gòu)安排23-26
• 第2章 視覺目標跟蹤相關(guān)理論26-44
• 2.1 基于核的視覺目標跟蹤理論26-35
• 2.1.1 多維隨機變量的核密度估計26-27
• 2.1.2 Mean Shift向量27-31
• 2.1.3 Mean Shift視覺目標跟蹤算法31-35
• 2.2 基于局部敏感直方圖的視覺目標跟蹤算法35-43
• 2.2.1 局部敏感直方圖35-38
• 2.2.2 亮度不變特征38-41
• 2.2.3 多區(qū)域跟蹤算法41-43
• 2.3 本章小結(jié)43-44
• 第3章 基于Haar特征和顏色特征的Mean Shift視覺目標跟蹤算法44-60
• 3.1 Haar特征及特征值快速算法44-47
• 3.1.1 Haar特征44-45
• 3.1.2 積分圖45-47
• 3.2 顏色特征聯(lián)合Haar特征的目標模型47-54
• 3.3 HMS視覺目標跟蹤算法54-55
• 3.4 實驗結(jié)果與分析55-59
• 3.4.1 平均跟蹤誤差準則55
• 3.4.2 定性比較與分析55-58
• 3.4.3 定性比較與分析58-59
• 3.5 本章小結(jié)59-60
• 第4章 基于ELSH的視覺目標跟蹤算法60-96
• 4.1 局部敏感直方圖快速算法的缺陷60-64
• 4.2 局部敏感直方圖快速算法的改進64-76
• 4.2.4 45°Haar特征值快速算法的改進64-67
• 4.2.5 8 鄰域局部敏感直方圖67-70
• 4.2.6 亮度不變特征圖像的對比70-74
• 4.2.7 跟蹤實例分析74-76
• 4.3 權(quán)重系數(shù)的自適應(yīng)選取76-80
• 4.3.1 相對最佳權(quán)重系數(shù)76-77
• 4.3.2 ELSH中權(quán)重系數(shù)的自適應(yīng)選取77-78
• 4.3.3 跟蹤實例分析78-80
• 4.4 模型間相似性的度量80-82
• 4.5 算法實現(xiàn)82
• 4.6 實驗結(jié)果與分析82-94
• 4.6.4 性能評價指標83
• 4.6.5 定性比較與分析83-89
• 4.6.6 定量比較與分析89-92
• 4.6.7 跟蹤失敗分析92-94
• 4.7 本章小結(jié)94-96
• 第5章 基于預(yù)定位的ELSH視覺目標跟蹤算法96-114
• 5.1 ELSH視覺目標跟蹤算法分析96-97
• 5.2 ELSH計算區(qū)域縮減對相似性的影響97-101
• 5.3 算法實現(xiàn)101-103
• 5.4 實驗結(jié)果與分析103-112
• 5.4.1 定性比較與分析103-108
• 5.4.2 定性比較與分析108-112
• 5.5 本章小結(jié)112-114
• 結(jié)論114-116
• 參考文獻116-125
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文125-126
• 致謝126

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 梁艷;潘保昌;鄭勝林;;區(qū)域方向直方圖及在鑒別身份證真?zhèn)沃械膽?yīng)用[J];計算機工程與設(shè)計;2005年12期

2 潘翔;鄭河榮;陳啟華;;基于徑向夾角直方圖的3維模型檢索[J];中國圖象圖形學(xué)報;2008年08期

3 馬煜;顧曉東;汪源源;;基于平均窗口平移的直方圖相似性度量[J];應(yīng)用科學(xué)學(xué)報;2008年01期

4 趙成芳;李兆延;;基于縮放因子的人臉直方圖特征距離度量方法[J];西華大學(xué)學(xué)報(自然科學(xué)版);2013年05期

5 尹建芹;田國會;周風(fēng)余;;智能空間下基于時序直方圖的人體行為表示與理解[J];計算機學(xué)報;2014年02期

6 賈世杰;陳詩帥;;基于改進塔式梯度直方圖的行人檢測算法[J];大連交通大學(xué)學(xué)報;2013年06期

7 楊利平;辜小花;;用于人臉識別的相對梯度直方圖特征描述[J];光學(xué)精密工程;2014年01期

8 楊利平;李丙海;;鑒別相對梯度直方圖特征提取與分類方法[J];中國科技論文;2014年01期

9 李金;周璐璐;于虹;梁洪;;基于直方圖熵的體數(shù)據(jù)分類算法研究[J];計算機應(yīng)用研究;2008年08期

10 郭麗,孫興華,黃元元,楊靜宇;距離分布直方圖及其在商標圖案檢索中的應(yīng)用[J];中國圖象圖形學(xué)報;2002年10期

中國重要會議論文全文數(shù)據(jù)庫 前4條

1 王克剛;耿國華;;基于小波平滑直方圖的模糊聚類圖像分割方法[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2008年

2 鄭貴濱;韓紀慶;;基于聽覺模型的模糊直方圖音頻索引和檢索方法[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會’2004論文集[C];2004年

3 姜維;郭艷卿;孔祥維;尤新剛;;JPEG隱密分析中的重壓縮檢測[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計算機學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

4 劉林;李金屏;王真;;基于多顏色空間和累計直方圖的視頻場景分類[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 郭磊;基于局部敏感直方圖的視覺目標跟蹤算法研究[D];哈爾濱理工大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 翟亮亮;基于局部敏感直方圖的視頻跟蹤算法研究[D];西北農(nóng)林科技大學(xué);2015年

2 于懷勇;基于視頻監(jiān)控的行人檢測技術(shù)研究[D];黑龍江大學(xué);2015年

3 朱志磊;關(guān)于ATM機隔間內(nèi)尾隨檢測算法的研究[D];浙江工業(yè)大學(xué);2015年

4 梅廣;基于KPCA與LBP的人臉識別[D];西華大學(xué);2015年

5 胡雪峰;對典型直方圖水印算法的改進研究[D];清華大學(xué);2015年

6 胡鵬;基于直方圖類特征表示的圖像分類技術(shù)研究[D];南京大學(xué);2016年

7 肖建;基于邊緣直方圖的草圖檢索技術(shù)研究[D];長沙理工大學(xué);2015年

8 馮兵;四系數(shù)直方圖平移可逆隱寫與視點相關(guān)性隱寫分析的研究[D];華中科技大學(xué);2015年

9 郭文婷;基于空間直方圖的目標跟蹤方法研究[D];廣東工業(yè)大學(xué);2012年

10 馬釗;基于隨機寬度直方圖的自然場景文字檢測[D];天津大學(xué);2012年

，

本文編號：569134