基于核相关滤波的视觉跟踪系统设计与实现
发布时间：2021-02-02 15:32
移动机器人的自主跟随是一个重要研究方向,跟随技术在生活和生产中有着广阔的应用前景。本文设计一种高准确性、高实时性、高鲁棒性的目标跟踪方法,在移动机器人GHROBOT实验平台上搭建视觉跟踪系统,完成目标行人的跟随。本文给出了核相关滤波跟踪算法的改进方法,在复杂干扰的背景下感知目标行人并自动初始化前景跟踪对象,对运动目标所在的区域使用改进的核相关滤波进行跟踪,实现低成本、准确且实时的自主跟随系统。主要工作包括:1、改进核相关滤波跟踪算法。将样本的FHOG特征与颜色特征进行线性融合提取,以丰富目标表观特征;将尺度金字塔引入核相关滤波器,解决目标在运动过程中尺度变化导致跟随失败的问题;采用APCE判断当前帧跟踪的可靠性来进行位置相关滤波器的模型更新。2、设计基于改进的核相关滤波视觉跟踪模块。根据行人样本集训练SVM分类器,实现自动检测行人,作为跟踪算法的初始框,并引入目标重检测。3、设计移动机器人的视觉跟踪系统。根据移动机器人的运动模型,得到运动速度与底盘驱动轮的关系;基于速度差分的运动控制,使得电机的速度与指令速度近似一致;视觉伺服控制,使得目标行人处于移动机器人的中心...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
Loomo自动跟随行人基于视觉的跟随主要是通过在连续的视频图像
机以及多个传感器，可自动识别被跟随者。国内大疆公司研发的无人机可智能跟随拍摄者，通过引入视觉系统感知信息以及融合多个传感器，构建周围环境及跟踪目标的3D地图，能够自动规划路线帮助飞行器绕过前后障碍物。基于视觉的跟随具有精度高、适应性强、设备较为简单的特点，利用摄像头能获取运动目标的空间坐标信息。但是也面临着外观变形、光照变化、目标遮挡、快速运动、背景相似干扰等难点，因此，要研究出在多种复杂干扰环境下都具备准确性高、实时性高和鲁棒性好的视觉跟随算法具有重要意义。图1-1Loomo自动跟随行人图1-2大疆无人机基于视觉的跟随主要是通过在连续的视频图像序列中估计跟踪目标的位置、形状或所占区域，确定目标的运动速度、方向及轨迹等运动信息，实现对运动目标行为的分析和理解，以便完成跟随任务的控制执行[5]。目标跟踪的好坏直接影响后续跟随系统控制任务的性能。视觉跟踪流程如图1-3所示。特征表达统计建模视频帧人工标定目标检测跟踪初始化表观建模建立跟踪策略定位目标位置t=t+1图1-3视觉跟踪流程图
东南大学工程硕士学位论文1211111111((,)/,(,))((,)/,(,))(,)((,)/,(,))((,)/,(,))TCijNijTCijNijHijTCijNijTCijNij++++=（2.20）Felzenszwalb从大量cell单元中提取对方向不敏感的36维特征，并进行PCA降维，主成分如图2-6所示。图2-636维HOG特征的主成分图中9列对应9个梯度方向区间，4行对应4种归一化，每个特征向量显示为4×9的矩阵，特征值在特征向量的上方。注意到前11个特征向量的行或者列近似为一个定值，且由前11个主特征向量定义的线性子空间基本包含了HOG特征向量中的所有信息，降维之后的11维特征和原始36维特征在目标检测中取得了一样的结果，特征参数更少，检测速度更快。主特征向量所依赖的线性子空间可以由沿其矩阵的某一行或某一列稀疏向量表示。如式（2.21-2.22）所示。1,(,)0,kjkuijotherwise==（2.21）1,0,kikvotherwise==（2.22）对每个方向的4个归一化求和得到ui，每个归一化的9个方向求和得到vi。主特征向量如式（2.23）所示。12914V=u,u,,uv,,v（2.23）通过对36维HOG特征稀疏向量的点积运算串联得到13维特征。该13维特征的表现能力和36维HOG特征以及PCA降维后的11维特征的检测效果基本一致，因为稀疏向量的离散性使得计算代价小很多，只需在36维特征求每行和每列的和。为了提高跟踪的精度，对原图进行像素级特征映射后，同时使用9维的方向不敏感特征向量和18维的方向敏感特征向量，并进行归一化和截断处理，得到不同归一化因子上的累加列和，对于每个归一化得到4维纹理特征向量，是由当前cell周围4个cell组成的能量梯度组成。串联归一化得到31维的FHOG特征。
【参考文献】：
期刊论文
[1]基于OpenCV的行人检测监控系统研究与实现[J]. 杜晓峰. 电子制作. 2018(09)
[2]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋. 模式识别与人工智能. 2018(01)
[3]相关滤波目标跟踪进展综述[J]. 张微,康宝生. 中国图象图形学报. 2017(08)
[4]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[5]机器人技术研究进展[J]. 谭民,王硕. 自动化学报. 2013(07)
[6]一种基于卡尔曼滤波及粒子滤波的目标跟踪算法[J]. 杜超,刘伟宁,刘恋. 液晶与显示. 2011(03)
博士论文
[1]基于无源信标的移动机器人室内定位技术研究[D]. 李月华.浙江大学 2018
硕士论文
[1]基于改进核相关滤波算法的跟随机器人设计与实现[D]. 王彬.浙江大学 2018
[2]基于KCF的目标跟踪算法改进及GPU系统实现[D]. 刘金花.西安电子科技大学 2017
[3]基于核相关滤波的高速目标跟踪算法研究与系统实现[D]. 刘志强.西安电子科技大学 2015
本文编号：3014935
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：69 页
【学位级别】：硕士
【部分图文】：
Loomo自动跟随行人基于视觉的跟随主要是通过在连续的视频图像
机以及多个传感器，可自动识别被跟随者。国内大疆公司研发的无人机可智能跟随拍摄者，通过引入视觉系统感知信息以及融合多个传感器，构建周围环境及跟踪目标的3D地图，能够自动规划路线帮助飞行器绕过前后障碍物。基于视觉的跟随具有精度高、适应性强、设备较为简单的特点，利用摄像头能获取运动目标的空间坐标信息。但是也面临着外观变形、光照变化、目标遮挡、快速运动、背景相似干扰等难点，因此，要研究出在多种复杂干扰环境下都具备准确性高、实时性高和鲁棒性好的视觉跟随算法具有重要意义。图1-1Loomo自动跟随行人图1-2大疆无人机基于视觉的跟随主要是通过在连续的视频图像序列中估计跟踪目标的位置、形状或所占区域，确定目标的运动速度、方向及轨迹等运动信息，实现对运动目标行为的分析和理解，以便完成跟随任务的控制执行[5]。目标跟踪的好坏直接影响后续跟随系统控制任务的性能。视觉跟踪流程如图1-3所示。特征表达统计建模视频帧人工标定目标检测跟踪初始化表观建模建立跟踪策略定位目标位置t=t+1图1-3视觉跟踪流程图
东南大学工程硕士学位论文1211111111((,)/,(,))((,)/,(,))(,)((,)/,(,))((,)/,(,))TCijNijTCijNijHijTCijNijTCijNij++++=（2.20）Felzenszwalb从大量cell单元中提取对方向不敏感的36维特征，并进行PCA降维，主成分如图2-6所示。图2-636维HOG特征的主成分图中9列对应9个梯度方向区间，4行对应4种归一化，每个特征向量显示为4×9的矩阵，特征值在特征向量的上方。注意到前11个特征向量的行或者列近似为一个定值，且由前11个主特征向量定义的线性子空间基本包含了HOG特征向量中的所有信息，降维之后的11维特征和原始36维特征在目标检测中取得了一样的结果，特征参数更少，检测速度更快。主特征向量所依赖的线性子空间可以由沿其矩阵的某一行或某一列稀疏向量表示。如式（2.21-2.22）所示。1,(,)0,kjkuijotherwise==（2.21）1,0,kikvotherwise==（2.22）对每个方向的4个归一化求和得到ui，每个归一化的9个方向求和得到vi。主特征向量如式（2.23）所示。12914V=u,u,,uv,,v（2.23）通过对36维HOG特征稀疏向量的点积运算串联得到13维特征。该13维特征的表现能力和36维HOG特征以及PCA降维后的11维特征的检测效果基本一致，因为稀疏向量的离散性使得计算代价小很多，只需在36维特征求每行和每列的和。为了提高跟踪的精度，对原图进行像素级特征映射后，同时使用9维的方向不敏感特征向量和18维的方向敏感特征向量，并进行归一化和截断处理，得到不同归一化因子上的累加列和，对于每个归一化得到4维纹理特征向量，是由当前cell周围4个cell组成的能量梯度组成。串联归一化得到31维的FHOG特征。
【参考文献】：
期刊论文
[1]基于OpenCV的行人检测监控系统研究与实现[J]. 杜晓峰. 电子制作. 2018(09)
[2]目标跟踪算法综述[J]. 卢湖川,李佩霞,王栋. 模式识别与人工智能. 2018(01)
[3]相关滤波目标跟踪进展综述[J]. 张微,康宝生. 中国图象图形学报. 2017(08)
[4]基于视觉的目标检测与跟踪综述[J]. 尹宏鹏,陈波,柴毅,刘兆栋. 自动化学报. 2016(10)
[5]机器人技术研究进展[J]. 谭民,王硕. 自动化学报. 2013(07)
[6]一种基于卡尔曼滤波及粒子滤波的目标跟踪算法[J]. 杜超,刘伟宁,刘恋. 液晶与显示. 2011(03)
博士论文
[1]基于无源信标的移动机器人室内定位技术研究[D]. 李月华.浙江大学 2018
硕士论文
[1]基于改进核相关滤波算法的跟随机器人设计与实现[D]. 王彬.浙江大学 2018
[2]基于KCF的目标跟踪算法改进及GPU系统实现[D]. 刘金花.西安电子科技大学 2017
[3]基于核相关滤波的高速目标跟踪算法研究与系统实现[D]. 刘志强.西安电子科技大学 2015
本文编号：3014935
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3014935.html
最近更新
教材专著
