基于运动背景补偿的智能车辆跟踪方法研究与应用

发布时间：2021-07-08 04:45

　　动态背景下的目标检测与目标跟踪技术被广泛应用于各个方面,比如无人机航拍、无人驾驶、精确武器制导等。虽然关于动态背景下的目标检测与目标跟踪有很强的的实用性,但是其实现难度却非常大,因而也是一个研究的热点问题。传统的检测算法虽然比较快速,但是对于在运动背景下目标的检测与跟踪并不是很适用,对于正确检测出目标存在着一定的难度。本文为了可以实现在运动背景下对目标的检测与跟踪,提出了一种基于背景的运动补偿的目标检测与目标跟踪的算法,并将该方法应用到对智能车辆的跟踪上。该方法首先对连续的两帧图像进行Harris角点检测,接着通过匹配以及筛选出的特征点对对摄像机模型进行参数估计,然后根据得到的摄像机模型对背景补偿,得到相对静止的背景信息,最后采用帧差法将移动目标检测出来。对移动目标的持续追踪则采用Camshift算法,将初始化的搜索框内的H分量的均值作为基准,同时设置阈值t,当此前搜索框内的H分量的均值与基准的差距大于t时,重新计算目标的颜色直方图,并将当前搜索框内的H分量的均值作为基准,同时对颜色模板进行实时的更新。将得到的每帧图像的搜索框的尺寸与初始化的进行比对,若差距大于预设阈值,则认为受到同色... 

【文章来源】：中北大学山西省

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

从自然界选择的三张图片

角点检测结果图

从视频中选取的图像

【参考文献】：
期刊论文
[1]基于Harris算子的灰度图像角点检测方法研究[J]. 赵慧.  产业与科技论坛. 2015(20)
[2]基于Kalman滤波的Camshift运动跟踪算法[J]. 翟卫欣,程承旗.  北京大学学报(自然科学版). 2015(05)
[3]视频监控系统中的概率模型单目标跟踪框架[J]. 李静宇,刘艳滢,田睿,王延杰,姜瑞凯.  光学精密工程. 2015(07)
[4]增量深度学习目标跟踪[J]. 程帅,孙俊喜,曹永刚,赵立荣.  光学精密工程. 2015(04)
[5]二维联合特征模型的自适应均值漂移目标跟踪[J]. 修春波,魏世安,万蓉凤.  光电子·激光. 2015(02)
[6]动态场景下基于精确背景补偿的运动目标检测[J]. 于明,孙炜烨,阎刚,于洋.  计算机应用与软件. 2013(10)
[7]基于Camshift自适应多特征模板的视频目标跟踪[J]. 厉丹,田隽,肖理庆,孙金萍.  煤炭学报. 2013(07)
[8]无人机视频运动目标实时检测及跟踪[J]. 董晶,傅丹,杨夏.  应用光学. 2013(02)
[9]基于无人机视频的运动目标快速跟踪[J]. 谭熊,余旭初,刘景正,黄伟杰.  测绘通报. 2011(09)
[10]一种基于TS201的归一化互相关快速算法[J]. 孙祖鑫,吴强.  现代电子技术. 2010(10)

博士论文
[1]复杂场景下实时目标跟踪算法及实现技术研究[D]. 张雷.中国科学院研究生院(长春光学精密机械与物理研究所) 2016
[2]基于机器学习的目标跟踪技术研究[D]. 陈东成.中国科学院研究生院(长春光学精密机械与物理研究所) 2015
[3]基于随机有限集的视频目标跟踪算法研究[D]. 吴静静.上海交通大学 2012

硕士论文
[1]基于背景运动补偿的目标检测与跟踪方法研究[D]. 叶利梅.长春理工大学 2017
[2]基于视觉的智能追踪机器人的设计研究[D]. 王道全.青岛科技大学 2016
[3]适用于小型智能车的行驶路况评价及自主避障控制研究[D]. 吕丹丹.北京交通大学 2016
[4]基于机器视觉辅助驾驶系统中行人实时检测跟踪研究[D]. 彭宝.东华大学 2016
[5]航拍视频中运动目标的检测与跟踪算法研究[D]. 李文辉.西安电子科技大学 2014
[6]跨摄像头车辆跟踪技术研究与实现[D]. 郭金林.华中师范大学 2013
[7]基于嵌入式Linux的智能视频监控系统的设计与实现[D]. 金平.中南大学 2013
[8]基于Camshift算法的运动预测目标跟踪改进算法研究[D]. 王冉.山东大学 2012
[9]视频序列中运动目标检测与跟踪有关问题的研究[D]. 王宾.西北大学 2004



本文编号：3270883