基于核相关滤波的目标跟踪研究与实现

发布时间：2020-05-01 21:25

【摘要】：如今,运动目标跟踪是计算机视觉领域中最具有挑战性的任务之一,其应用于人机交互,智能交通监控和机器人等。并且随着目标跟踪与识别技术的快速发展和安防智能监控的不断提升,智能监控,地形导航及视频智能标注等应用的智能化要求越来越高。智能监控系统是指监控系统在非人为干扰和控制的情况下,计算机能自动对监控设备传递的图像进行处理,对运动物体的运动,姿态等做出相应的行为分析,其涉及领域主要有人工智能,模式识别及大数据处理等。目标跟踪是智能监控系统中不可缺少的部分,其性能决定了监控系统功能强弱和性能好坏。尽管进行了大量的尝试,但克服运动目标跟踪中的干扰因素仍然是一个具有挑战性的任务,比如尺度变化,遮挡,突然运动,光照变化以及平面内外旋转。论文针对目前目标跟踪所存在的问题,结合行业内的一些常见跟踪算法进行深入的研究,具体成果如下:1、提出了一种多特征融合的增强型核相关滤波算法。该算法有效地减少运动目标跟踪过程中光照变化,遮挡,尺寸变化等因素的影响。该算法首先提取图像的方向梯度直方图特征信息、颜色名称信息、局部二值模式纹理信息及Canny边缘信息来融合成一组多特征信息进行目标跟踪,然后采用多尺度搜索方法自适应目标区域的尺度变化,最后比较前一帧与当前帧的最大输出响应分数,判断目标发生遮挡等情况是否存在,若遮挡等情况存在,即对模型参数重新更新。实验结果表明,该算法在目标跟踪过程中受快速运动、遮挡、尺度等影响时,比传统目标检测算法具有更高的准确性、鲁棒性。2、提出了一种基于核相关滤波的视觉跟踪算法。由于视频序列中选取首帧作为目标模板训练的样本,难以解决遮挡和目标外观形变等问题。并且由于样本单一,不具备从复杂模板中恢复的能力,继而该算法基于聚类方法设计了多模板匹配框架,通过本框架可以更加准确地跟踪目标,同时本论文还提出了一种随机更新多模板匹配策略,确定了核相关滤波的学习因子,从而实现了学习因子自适应更新模型。通过自适应学习因子和多模板匹配,该算法对部分遮挡、光照和目标尺度变化具有较强的适应性。3、提出了目标跟踪系统设计及实现。本系统基于QT平台,结合OpenCV等视觉库,实现了对监控场景下对不同的目标跟踪。系统功能有(1)目标检测跟踪功能:本软件可以对指定视频文件进行正在移动的目标跟踪;(2)目标边缘检测功能:本软件可作为边缘检测,提供对指定文件进行检测;(3)视频播放功能:本软件可作为播放器,提供对多种格式视频文件的播放。(4)视频录制功能:本软件可以根据用户需求对指定视频文件进行指定性录制。
【图文】：

觉［１］的主要任务就是通过计算机处理图像设备所获得的图片或视频信要的二维或三维空间信息，在获取信息后，计算机模拟人的思维方切可行的处理方法。计算机的最终目标是让计算机处理事务的能力与自适应学习的能力。逡逑机技术和图像处理模式识别的发展，智能监控在未来的发展中有着监控领域中运动跟踪技术是计算机视觉领域的重点逡逑跟踪是计算机视觉领域重点之一，同时运动目标跟踪问题也是计算机与难点。运动目标跟踪是多种学科交错，，综合性较强的一个研宄领域，图像处理，模式识别等几个领域。逡逑跟踪的主要原理是通过摄像机等设备获取外部图像信息传输到计算机相关处理，然后提取出视频信息中的运动或者静止的目标，根据每一其进行分析，获取运动目标的当前位置，速度等信息，为后续的跟踪据。逡逑

邋．一逡逑图１－２天网系统监控逡逑由于视频监控的场景众多，视频监控产品多种多样，使用范围也极其广泛等原因，导逡逑致视频监控过程易发生目标尺度变化，目标遮挡，光照变化等问题，继而视频监控中的目逡逑标检测与跟踪还存在着许多未能解决的问题，对于这类问题的研究仍有许多的研究意义。逡逑０邋０邋０逡逑ｘ０邋０逡逑？邋一逦一０邋一邋？逦、＇逡逑图１－３智能监控系统原理逡逑
【学位授予单位】：扬州大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TN713

【相似文献】

相关期刊论文 前10条

1 柯洪昌;邵文奇;梁丞汉;;一种基于显著性区域的运动目标跟踪方法[J];科技创新与应用;2017年09期

2 雍杨;王升哲;王兵学;陈咸志;;采用稀疏特征选择的红外运动目标跟踪方法[J];激光与红外;2015年04期

3 葛宝臻,张以谟,秦玉文,陈希明;自适应运动目标跟踪实验[J];光电工程;1998年05期

4 何信华;徐华丽;亓朝玉;赵雷;;视频监控中多运动目标跟踪[J];遥测遥控;2012年01期

5 方英武;王轶;金伟;王辉;;基于多信息融合的运动目标跟踪方法[J];光电工程;2011年08期

6 刘鑫;;基于投影的运动目标跟踪研究[J];电子测试;2009年03期

7 于勇;郭雷;;基于粒子滤波的红外运动目标跟踪[J];计算机应用;2008年06期

8 杨辉;;体育视频中运动目标跟踪技术研究[J];自动化与仪器仪表;2016年06期

9 尚晋霞;;运动目标跟踪研究[J];电脑编程技巧与维护;2013年12期

10 宁树实;石建学;;基于均值漂移的视觉运动目标跟踪方法[J];无线互联科技;2012年07期

相关会议论文 前10条

1 单颖;张菁;郭茂祖;;基于视频序列的运动目标跟踪方法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

2 马洁;;智能视频监控中运动目标跟踪技术的研究[A];低碳智能 持续创新——煤矿机电一体化新技术2014年学术年会论文集[C];2014年

3 王景中;刘凯;;基于图像灰度特征的运动目标跟踪实现[A];2011年全国通信安全学术会议论文集[C];2011年

4 龚伟;史元春;陈孝杰;;基于双摄像机的平面运动目标跟踪[A];第一届建立和谐人机环境联合学术会议（HHME2005）论文集[C];2005年

5 查宇飞;张育;毕笃彦;;一种基于粒子滤波的自适应运动目标跟踪方法[A];第十二届全国图象图形学学术会议论文集[C];2005年

6 苏迎娅;赵清杰;郭伟;王博;;基于视觉显著性的突变运动目标跟踪[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

7 徐姗姗;李学明;;基于连通域合并的多运动目标跟踪[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

8 付锦斌;孙进平;张旭旺;田现忠;;知识辅助地面运动目标跟踪处理方法[A];第九届全国信号和智能信息处理与应用学术会议专刊[C];2015年

9 魏阳;周铁军;刁小鹏;;面向运动弱小目标的跟踪测量技术研究[A];2013年（第五届）西部光子学学术会议论文集[C];2013年

10 邹晓春;赵歆波;冯燕;;图像序列分析综述[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年

相关重要报纸文章 前2条

1 郑德刚　刘裕国;应急管理 让百姓更安全[N];人民日报;2007年

2 丁海明;给和谐一片绿荫[N];解放军报;2008年

相关博士学位论文 前10条

1 郭强;基于视觉的运动目标跟踪关键技术研究[D];东北大学;2015年

2 程帅;复杂条件下运动目标跟踪方法的研究[D];长春理工大学;2016年

3 文志强;基于均值偏移算法的运动目标跟踪技术的研究[D];中南大学;2008年

4 陈爱斌;基于视觉的运动目标跟踪方法研究[D];中南大学;2010年

5 简洪登;数字地球科学平台中实时视频运动目标的智能模拟与分析[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

6 牛长锋;复杂背景下视频运动目标跟踪的研究[D];北京理工大学;2010年

7 程淑红;动态图像目标跟踪算法研究[D];燕山大学;2012年

8 张恒;无人机平台运动目标检测与跟踪及其视觉辅助着陆系统研究[D];国防科学技术大学;2008年

9 田鹏辉;视频图像中运动目标检测与跟踪方法研究[D];长安大学;2013年

10 汪威;双目视差模型及其在视觉伺服控制中的应用研究[D];华中科技大学;2012年

相关硕士学位论文 前10条

1 黄健;基于核相关滤波的目标跟踪研究与实现[D];扬州大学;2019年

2 杜君;基于目标特征的无人机对地运动目标跟踪[D];南京航空航天大学;2019年

3 张雪;基于聚类分析下的运动目标跟踪算法研究[D];哈尔滨工程大学;2019年

4 董娜;基于复杂背景的运动目标跟踪技术研究[D];兰州理工大学;2019年

5 王朝卿;运动目标检测跟踪算法研究[D];中北大学;2019年

6 何尚猛;基于计算机视觉的运动目标跟踪方法研究[D];中国矿业大学;2019年

7 常芳;基于相关滤波器的运动目标跟踪方法研究[D];昆明理工大学;2018年

8 余小萍;基于多独立特征分布场的运动目标跟踪方法[D];湖南大学;2015年

9 张帆;遮挡环境下运动目标视觉跟踪关键算法研究[D];沈阳理工大学;2018年

10 李莉;运动目标跟踪方法研究及系统设计[D];哈尔滨理工大学;2018年

本文编号：2647076