基于目标特征匹配的视觉跟踪算法研究

发布时间：2021-01-20 04:39

　　计算机视觉技术就是通过计算机快速准确获取目标的位置、速度和加速度等目标运动状态参数,基于这些信息可以进一步对目标进行分析。基于特征匹配的确定性视觉目标跟踪算法以其较高的实时性、较高的精确度,具有较好的应用前景良好。但是在一些复杂的跟踪场景的应用中,此类方法因受多种因素影响易于丢失目标。因此,该类视觉目标跟踪算法还有许多的缺陷需要改进。针对跟踪微小型目标容易失败的问题,以荧光显微镜下的神经丝蛋白影像为实验对象。利用HSV颜色空间所得颜色直方图建立目标模型,结合预测点对目标特征点加权。通过在目标颜色概率模型中引入核函数,利用核密度梯度来进行目标搜索,最终在每帧图像中获取目标的具体位置。鉴于神经丝蛋白的特殊性,本章还对比分析了其他两种概率预测类算法的跟踪效果。实验结果表明,此方法能够快速稳定跟踪神经丝蛋白,为神经丝蛋白质的医学研究提供了新的途径。针对传统camshift算法的目标建模及匹配易受干扰像素影响的问题,对目标建模和匹配做了相应改进。改进的目标建模方法通过分块选取目标中最为明显的颜色特征,使得目标与背景的区分更加明显。此外在跟踪过程中的目标匹配环节,基于传统模型的跟踪方法需要逐个查阅... 

【文章来源】：新疆大学新疆维吾尔自治区 211工程院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

计算机视觉在交通领域的应用[53]

图 1-1 计算机视觉在交通领域的应用[53]能交通领域应用[53]。主要包括市域交通、高速公路和轨道交通。智含的关键技术，主要包括交通信息的采集、处理、通信技术、城市制技术、空间信息技术、智能汽车与车辆主动安全等。计算机视觉处理，是通过摄影设备获取场景的视觉影像，并利用计算机程序创或半自动化的视觉信息转化和分析系统，并输出准确及时的视觉信类似于人的视觉功能。这项技术在工业领域有着应用广泛，并获得。劳动力成本耗费巨大且效率极为低下一直是人工处理交通问题这缺点，而融合计算机视觉技术的智能交通系统的发展将显著地提高约劳动力成本。因此，计算机视觉技术在智能交通领域的应用成为门趋势。

新疆大学硕士研究生学位论文图像医疗领域应用[51]。今天医院用的大部分的检查设备涉及图像处理，包含超声波、核磁共振、X 光、CT 等设备。即使是做常规的化学检测，比如验血，也需要获得样本的显微镜成像。更重要的是，当今的许多前沿的医学研究都要依赖电子成像设备，而后续的医学图像分析更加离不开计算机的辅助。传统的人工分析荧光显微镜影像的方法费时费力、工作效率低下，还可能由于人精神不集中疲劳等主观因素而产生人为误差。因此，引入计算机视觉技术来创建一种高效稳定的医学图像分析、处理方法是非常必要的。不仅能降低人的劳动强度，还能为医学研究提供可靠的数据来源。


本文编号：2988390