基于聚类分析下的运动目标跟踪算法研究

发布时间：2020-10-17 23:48

　　 运动目标跟踪作为计算机视觉领域研究的重要分支之一,已在运动分析、行为识别、安防监控等众多领域被广泛应用。但是,目标易受外界环境和自身等不确定因素影响,导致研究精度高且实时性好的目标跟踪方法仍是一项挑战。近几年来,Mean Shift聚类算法因其计算量小,对边缘遮挡、目标形变以及背景运动不敏感等优点,被广泛应用于目标跟踪领域,然而实际中,针对目标跟踪过程中的相似背景颜色干扰、尺度伸缩、快速运动以及部分遮挡等问题,Mean Shift算法就显得束手无策。为此,本文将聚类思想下的运动信息提取、预测判断以及尺度估计应用到跟踪算法中,研究结合目标运动信息与位置预测改进的Mean Shift跟踪算法,在能够有效解决上述难题的情况下,完成实时、鲁棒性高的运动目标跟踪。本文主要研究的内容有:1、对获取的视频图像进行预处理,主要包括图像去噪、颜色空间转换以及颜色特征的选取。同时对Mean Shift聚类算法的主要思想以及在目标跟踪领域的应用进行论述,研究Mean Shift算法的跟踪过程,从而对Mean Shift跟踪算法的优缺点进行分析,为本文改进的跟踪算法建立基础。2、针对Mean Shift跟踪算法无法克服复杂环境下的背景颜色干扰问题,本文首先提出一种基于显著性机制改进的MOG运动目标检测方法,主要是指通过引入显著性检测MSS算法来动态调节其高斯模型的建模过程,在改善检测结果的前提下提高其检测效率。然后将提取到的运动信息应用于Mean Shift框架中,使其对跟踪过程中的目标模型进行加权描述,以此提高目标和背景的区分度,减少背景信息对目标定位的干扰,并进行仿真实验验证改进算法的抗干扰能力。3、在基于运动信息加权建模的基础上,考虑到Mean Shift跟踪算法无法适应于目标的尺度伸缩、快速运动及遮挡等问题,提出一种结合目标位置预测改进的Mean Shift跟踪算法。它主要是利用结合帧间聚类的运动估计及尺度估计算法对Mean Shift每次迭代的初始搜索位置进行预测,在确保搜索窗口能够自适应目标尺度变化的前提下,可以实现对快速运动目标的跟踪。并针对目标在跟踪过程中是否被遮挡进行分析和判断,使其被遮挡时能够进一步利用预测值实现对目标的定位,从而弥补Mean Shift跟踪算法在处理遮挡问题时的不足。此外,通过仿真实验对比,实验结果验证了改进算法的有效性。
【学位单位】：哈尔滨工程大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41
【部分图文】：

第 1 章 绪论第 1 章 绪论1.1 课题研究背景与意义人类能够通过多种器官（眼睛、耳朵、鼻子等）来感知外界的讯息，但是人类获取外界讯息的 80%都来自视觉系统。视觉作为人类认知世界的重要手段之一，对于表现形式极其复杂的外界讯息来说，如果通过人类的视觉系统来理解并非难事，但是如何让计算机来理解，却是一个大问题。由于计算机受制于处理器的性能和智能算法，并不能像人类一样来感知外界的信息，而计算机视觉（Computer Vision，CV）本质上是在了解人类视觉基础上，通过模拟人眼的视觉系统，使计算机具有人类双眼所具备的分类、识别、跟踪、判段决策等功能，且随着科学技术的不断提高，特别是计算机能力的强化，目前计算机视觉技术已被广泛应用于民生、军事、医疗、教育等各大领域[2]。如图 1.1 为人类视觉与计算机视觉下的外界信息表现形式。

图 1.2 智能视觉监控的处理框架由图 1.2 可知，运动目标跟踪作为视觉监控系统中的中层视觉技术，是行为推理、图像理解和人工智能的技术基础，即作为视觉监控系统中必不可少的环节，能够对视频场景中发生的异常情况作出响应，比如说对于银行、商场、生活小区、交通道路等公共区域的无人值守以及无人指挥的场景下，监控系统可以对场景中的人及车辆进行实时跟踪，并对跟踪目标的行为进行识别与理解，这对保障人类的生产生活具有重要的作用。目前，尽管已经有很多成熟的目标跟踪算法得到研究，但鉴于目标受自身多变性以及外界环境复杂性等因素的影响，对要求准确性和实时性跟踪系统来说，大多数跟踪算法未能得到满意的实际跟踪效果，因此，无论从学术上还是从实际应用上，如何准确且实时地完成对复杂场景中的运动目标跟踪具有非常重要的研究价值。1.2 课题研究现状与难点问题1.2.1 目标跟踪技术的研究现状在视频信息处理中，运动目标。跟踪。作为其中最为关键性的一项技术，近些年来，通过理论与实践的结合，早就在许多方面都得到了运用。由此，激发了很多国内外学者的

背景运动不敏感等优点，已然作为目前跟踪领域中的一大热章重点对MeanShift聚类下的运动目标跟踪。算。法进行研究，的鲁棒性。像预处理始对视频文件中读取到的目标图像跟踪之前，对其进行去噪色特征的选取等预处理步骤是很有必要的，因为它是目标跟使后期跟踪处理的效果更为理想。为此，本文采用如下图 2
【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 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

2 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

3 王朝卿;运动目标检测跟踪算法研究[D];中北大学;2019年

4 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

5 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

6 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

7 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

8 余慧瑶;多视场运动目标跟踪与交接算法研究[D];华东师范大学;2018年

9 吴璇;基于机器视觉的运动目标跟踪方法研究[D];中国矿业大学;2018年

10 刘泽坤;基于粒子滤波与局部稀疏表达的运动目标跟踪算法研究[D];湖南大学;2015年

本文编号：2845469