基于自主机器人的运动目标检测与跟踪技术研究

发布时间：2025-03-30 06:31

　　自主机器人对运动目标检测与跟踪的实质是使机器人拥有类似于人类视觉的运动目标检测与跟踪能力,其技术核心是动态背景下的运动目标检测与跟踪。目前的动态背景下,运动目标检测与跟踪技术存在着检测精度低、跟踪不稳定的缺点。针对现有运动目标检测与跟踪算法的不足,本文对动态背景下运动目标检测及目标跟踪技术进行深入的研究。其主要创新工作如下:针对传统算法在动态背景条件下难以准确检测出运动目标的问题,本文提出一种基于显著性分析的运动目标检测算法。本算法在单帧图像超像素分割的基础上,根据边缘超像素点与中心超像素点的特征差异建立全局颜色差异图和空间位置差异图,同时利用序列图像建立混合动态纹理显著图,并将三种显著图进行融合得到运动目标初始显著图。而后运用元胞自动机的自动更新机制对初始显著图进行优化,最后通过局部阈值分割算法得到运动目标。经实验验证,本文算法具有较高的检测精度。针对目标跟踪算法在机器人应用中既要需满足实时性要求,又要应对目标快速运动及尺度变化的问题,本文选用实时性较高的KCF核相关滤波算法作为目标跟踪算法框架。首先将LAB颜色直方图与HOG梯度直方图进行自适应融合,提高目标特征表达能力。其次利用卡尔...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 运动目标检测研究现状
    1.3 目标跟踪研究现状
    1.4 论文结构安排
第2章 基础理论及关键技术
    2.1 引言
    2.2 目标特征描述
        2.2.1 LAB色彩空间及其特征
        2.2.2 LBP纹理特征
        2.2.3 方向梯度直方图(HOG)特征
    2.3 基于背景补偿的运动目标检测
    2.4 基于KCF的目标跟踪算法
        2.4.1 循环位移采样
        2.4.2 分类器训练
        2.4.3 快速检测
        2.4.4 分类器更新
    2.5 本章小结
第3章 基于显著性分析的运动目标检测
    3.1 引言
    3.2 SLIC超像素分割
    3.3 全局差异图
        3.3.1 全局颜色差异图
        3.3.2 全局空间距离差异图
    3.4 混合动态纹理显著图
        3.4.1 动态纹理
        3.4.2 混合动态纹理
    3.5 元胞自动机状态更新
        3.5.1 同步更新机制
        3.5.2 局部阈值分割
    3.6 实验结果与分析
        3.6.1 定性分析
        3.6.2 定量分析
    3.7 本章小结
第4章 基于改进KCF的目标跟踪算法
    4.1 引言
    4.2 KCF目标跟踪算法优缺点分析
    4.3 基于LAB颜色优化的KCF算法
        4.3.1 颜色直方图
        4.3.2 自适应特征融合
    4.4 基于卡尔曼滤波优化的KCF算法
        4.4.1 卡尔曼滤波算法
        4.4.2 位置预测
        4.4.3 尺度变换
    4.5 实验结果与分析
        4.5.1 定性分析
        4.5.2 定量分析
    4.6 本章小结
第5章 基于NAO机器人实验平台的自主跟踪
    5.1 引言
    5.2 运动目标自主跟踪机制
    5.3 综合实验
        5.3.1 NAO机器人实验平台
        5.3.2 实验验证
    5.4 本章小结
第6章 总结与展望
    6.1 论文工作总结
    6.2 未来研究展望
参考文献
致谢
攻读学位期间所开展的科研项目和发表的学术论文



本文编号：4038339