二轴云台的目标跟踪技术研究

发布时间：2022-01-10 04:08

　　无论是在国防安全领域,还是在民用领域,智能监控的需求日益增大,如何将计算机视觉技术应用于智能监控成为研究的热点,其中利用二轴云台进行目标跟踪,因其巨大的实际应用价值,更是得到了广泛关注。本文在目前表现性能优异的核相关滤波目标跟踪算法的基础上,对其目标模板更新策略进行了改进,并将其应用于二轴云台的目标跟踪,最终使跟踪目标始终位于图像中央。首先,对核相关滤波目标跟踪算法进行了理论推导。利用二维图像的循环矩阵达到稠密采样的效果,并利用循环矩阵的性质提高实时性,又将低维特征空间映射到高维特征空间,解决了低维线性不可分问题,进一步提高跟踪器准确性,接下来又对目标检测环节进行了加速,并利用线性插值的方法对目标模板进行实时更新,抑制模板漂移。其次,对核相关滤波目标跟踪算法进行了实际仿真验证,并与当前流行的其他目标跟踪算法对比,表明了核相关滤波目标跟踪算法的优异性能,并在原算法的基础上,改进了目标模板更新的策略,利用相关响应的结果判断是否进行目标模板更新,通过仿真结果的对比,表明了改进之后的算法的可行性。然后,通过数学建模,得出了二轴云台转动角度与摄像机感光元件尺寸、焦距之间的关系,以此可将像素坐标系... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

巡线机器人（图左）和人脸识别（图右）

二轴云台的目标跟踪技术研究丢失的情况。基于此，有关二轴云台的目标跟踪技术应运而生，其可以对目标进操作简单，跟踪准确性高，如图 1.2 所示，相比于枪式摄像头，由于二轴云台可加了单个摄像头的可跟踪面积，更加的经济。由此可见二轴云台目标跟踪技术的意义。

discriminative model）方法，也可称为检测跟踪（tracking-by-d法进行简单介绍。，对当前帧目标所处位置进行建模，在下一帧中与该模型最为举个例子，从当前帧中提取目标区域的颜色特征，得到目标区么在下一帧中，搜索算法就会通过不断地迭代，寻找最符合这与目标模型的相似度大于某个阈值时，即认为该区域为目标所的有均值漂移（mean-shift）算法[6]、粒子滤波[7]等。与生成类方法最大的区别在于其利用机器学习当中的思想，利跟踪。如图 1.4 所示，在分类器的训练过程当中不仅仅关注目景区域的图像信息，以目标区域的图像信息为正样本，背景区训练样本得到的分类器在下一帧中寻找可能性最大的目标区域色特征，不仅仅得到目标区域 30%是红色，70%是绿色，还将的比例，在下一帧的检测中将格外的注意区分目标与背景，这样比生成类方法得到的跟踪器，获得的信息更多，准确性也越高Struck[9]、TLD[10]以及 MOSSE[11]等。


本文编号：3580024