基于图像的运动目标稳定跟踪
发布时间：2021-08-08 13:02
基于图像的运动目标跟踪一直以来都是计算机视觉的重要研究内容,并在视频监控、模式识别、人工智能等诸多领域得到广泛应用。尽管国内外众多学者已经对目标跟踪技术进行了深入研究,但由于视频中存在光照变化、尺寸变化、背景干扰以及障碍物遮挡等干扰因素,大部分目标跟踪算法在稳定性方面仍然难以达到理想的效果。基于此,本文对上述四种干扰因素进行研究,提升了单目标运动过程中的稳定性,主要成果如下:首先,本文对常用目标检测方法进行分析,结合课题背景,明确了跟踪目标的判别要求,并选取连续帧间差分法进行采样,在手动圈定的目标范围内使用连通域搜索算法进行初步检测;然后对算法所得结果进行后处理,即连通域搜索、面积筛选、连通域最小外接矩形框,得到运动目标区域并保存区域参数;其次,本文选用基于特征向量迭代的跟踪算法,将颜色、边缘及纹理特征结合起来进行向量迭代;最后,本文基于局部区域的特征更新方法并加以改进,减少了算法计算量,保证了算法实时性。本文主要讨论目标在运动过程中的跟踪稳定性,针对具体场景下的单目标跟踪,提出理论合理的解决方案并进行实验仿真,从而达成减少跟踪误差、增强跟踪稳定性的目标。实验结果表明改进后的算法具备良...
【文章来源】：西南科技大学四川省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
光照条件改变下的跟踪效果
西南科技大学硕士研究生学位论文 第12页生变化，在视野范围内，目标距离拍摄源越近，所占的像素越多，呈现出的物体尺寸也越大，反之亦然。如果跟踪框的大小不能自适应地改变，当目标尺度变小时，由于跟踪框内引入大量背景信息，与目标模板匹配度最高的候选目标未必是被跟踪目标，将导致后续帧匹配失败，最终无法正确跟踪目标；当目标尺度变大时，跟踪框内只包含目标的部分信息，由于有效信息的减少，无法确定目标的运动轨迹及运动姿态，也可能导致跟踪失败[50]。图 2-3 为目标距离拍摄源距离由远及近导致视野范围内物体尺寸由小到大发生变化时，传统跟踪算法的跟踪效果示意图。
图 2-4 背景干扰下的跟踪效果Fig.2-4 The tracking effect under background disturbance由图 2-4 可得，在整个目标运动过程中，没有经过颜色相似的背景干扰区域时，算法尚能对目标进行标定；经过背景干扰区时，由于背景中物体与运动目标色彩相似度较高且距离较近，而传统跟踪算法主要基于颜色直方图进行目标跟踪，导致算法标定出现错误，跟踪失败[51][ 52]。因此，选取与背景差异性大的跟踪特征，使背景的影响降到最小是解决背景干扰的最终目标。2.2.4 障碍物遮挡由于物体运动过程中周围环境的复杂性，遮挡问题的存在相当普遍，属于算法处理的难点问题，能否解决好遮挡问题是评价跟踪算法稳定性的重要指标。遮挡的表现多样，按照遮挡原因可分为自遮挡、被环境内其他物体遮挡，按照遮挡程度可分为部分遮挡、全遮挡。遮挡会造成图像序列中目标信
【参考文献】：
期刊论文
[1]多特征分层融合的相关滤波鲁棒跟踪[J]. 鲁国智,彭冬亮,谷雨. 中国图象图形学报. 2018(05)
[2]基于分布场的特征融合重检测鲁棒性跟踪算法研究[J]. 张百戬,王嘉丰. 计算机与数字工程. 2018(04)
[3]基于改进帧间差分与局部Camshift相结合的目标跟踪算法[J]. 周文静,陈玮. 软件导刊. 2018(03)
[4]基于模板匹配的改进型目标识别算法[J]. 丁筱玲,赵强,李贻斌,马昕. 山东大学学报(工学版). 2018(02)
[5]基于累积差分更新背景减除法的运动目标检测算法研究[J]. 孙林林. 办公自动化. 2018(02)
[6]智能交通中图像处理技术应用综述[J]. 佀君淑,张建文. 科技风. 2017(11)
[7]基于五帧差分法的动态目标检测新算法[J]. 郭春凤. 重庆科技学院学报(自然科学版). 2015(05)
[8]目标窗口尺寸自适应变化的Mean-Shift跟踪算法[J]. 林庆,陈远祥,王士同,詹永照. 计算机应用. 2009(12)
[9]基于梯度方向直方图特征的多核跟踪[J]. 贾慧星,章毓晋. 自动化学报. 2009(10)
[10]均值漂移算法中的目标模型更新方法研究[J]. 沈志熙,杨欣,黄席樾. 自动化学报. 2009(05)
博士论文
[1]复杂环境下鲁棒实时目标跟踪技术研究[D]. 曾凡祥.北京邮电大学 2017
[2]复杂场景下基于局部分块和上下文信息的单视觉目标跟踪[D]. 鲍华.中国科学技术大学 2017
[3]复杂条件下运动目标跟踪方法的研究[D]. 程帅.长春理工大学 2016
[4]复杂地面背景下目标鲁棒跟踪技术研究[D]. 张路平.国防科学技术大学 2015
[5]基于单目视觉的运动目标跟踪定位技术研究[D]. 姚楠.上海交通大学 2014
[6]复杂场景下实时视觉目标跟踪的若干研究[D]. 朱建章.武汉大学 2014
[7]可视对象跟踪算法研究及应用[D]. 权伟.西南交通大学 2013
硕士论文
[1]居家安防场景下抗光照干扰人脸识别算法的研究与设计[D]. 李国防.南京邮电大学 2017
[2]融合各最优尺度下特征的高分辨率遥感影像分类[D]. 王慧.南京信息工程大学 2016
[3]海量灰度图像八连通域并行标记算法的研究与应用[D]. 范家铭.河南大学 2015
[4]基于视频监控运动目标检测算法研究[D]. 黄素茵.华南理工大学 2013
[5]红外图像序列中人体目标检测与跟踪方法研究[D]. 修彬.安徽大学 2013
[6]移动目标视觉追踪系统设计与实现[D]. 罗金梅.电子科技大学 2012
[7]视频图像序列中运动目标的获取与跟踪[D]. 曹丽武.华中科技大学 2011
[8]基于改进粒子滤波器目标跟踪算法研究[D]. 钱翔.安徽大学 2010
本文编号：3330004
【文章来源】：西南科技大学四川省
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
光照条件改变下的跟踪效果
西南科技大学硕士研究生学位论文 第12页生变化，在视野范围内，目标距离拍摄源越近，所占的像素越多，呈现出的物体尺寸也越大，反之亦然。如果跟踪框的大小不能自适应地改变，当目标尺度变小时，由于跟踪框内引入大量背景信息，与目标模板匹配度最高的候选目标未必是被跟踪目标，将导致后续帧匹配失败，最终无法正确跟踪目标；当目标尺度变大时，跟踪框内只包含目标的部分信息，由于有效信息的减少，无法确定目标的运动轨迹及运动姿态，也可能导致跟踪失败[50]。图 2-3 为目标距离拍摄源距离由远及近导致视野范围内物体尺寸由小到大发生变化时，传统跟踪算法的跟踪效果示意图。
图 2-4 背景干扰下的跟踪效果Fig.2-4 The tracking effect under background disturbance由图 2-4 可得，在整个目标运动过程中，没有经过颜色相似的背景干扰区域时，算法尚能对目标进行标定；经过背景干扰区时，由于背景中物体与运动目标色彩相似度较高且距离较近，而传统跟踪算法主要基于颜色直方图进行目标跟踪，导致算法标定出现错误，跟踪失败[51][ 52]。因此，选取与背景差异性大的跟踪特征，使背景的影响降到最小是解决背景干扰的最终目标。2.2.4 障碍物遮挡由于物体运动过程中周围环境的复杂性，遮挡问题的存在相当普遍，属于算法处理的难点问题，能否解决好遮挡问题是评价跟踪算法稳定性的重要指标。遮挡的表现多样，按照遮挡原因可分为自遮挡、被环境内其他物体遮挡，按照遮挡程度可分为部分遮挡、全遮挡。遮挡会造成图像序列中目标信
【参考文献】：
期刊论文
[1]多特征分层融合的相关滤波鲁棒跟踪[J]. 鲁国智,彭冬亮,谷雨. 中国图象图形学报. 2018(05)
[2]基于分布场的特征融合重检测鲁棒性跟踪算法研究[J]. 张百戬,王嘉丰. 计算机与数字工程. 2018(04)
[3]基于改进帧间差分与局部Camshift相结合的目标跟踪算法[J]. 周文静,陈玮. 软件导刊. 2018(03)
[4]基于模板匹配的改进型目标识别算法[J]. 丁筱玲,赵强,李贻斌,马昕. 山东大学学报(工学版). 2018(02)
[5]基于累积差分更新背景减除法的运动目标检测算法研究[J]. 孙林林. 办公自动化. 2018(02)
[6]智能交通中图像处理技术应用综述[J]. 佀君淑,张建文. 科技风. 2017(11)
[7]基于五帧差分法的动态目标检测新算法[J]. 郭春凤. 重庆科技学院学报(自然科学版). 2015(05)
[8]目标窗口尺寸自适应变化的Mean-Shift跟踪算法[J]. 林庆,陈远祥,王士同,詹永照. 计算机应用. 2009(12)
[9]基于梯度方向直方图特征的多核跟踪[J]. 贾慧星,章毓晋. 自动化学报. 2009(10)
[10]均值漂移算法中的目标模型更新方法研究[J]. 沈志熙,杨欣,黄席樾. 自动化学报. 2009(05)
博士论文
[1]复杂环境下鲁棒实时目标跟踪技术研究[D]. 曾凡祥.北京邮电大学 2017
[2]复杂场景下基于局部分块和上下文信息的单视觉目标跟踪[D]. 鲍华.中国科学技术大学 2017
[3]复杂条件下运动目标跟踪方法的研究[D]. 程帅.长春理工大学 2016
[4]复杂地面背景下目标鲁棒跟踪技术研究[D]. 张路平.国防科学技术大学 2015
[5]基于单目视觉的运动目标跟踪定位技术研究[D]. 姚楠.上海交通大学 2014
[6]复杂场景下实时视觉目标跟踪的若干研究[D]. 朱建章.武汉大学 2014
[7]可视对象跟踪算法研究及应用[D]. 权伟.西南交通大学 2013
硕士论文
[1]居家安防场景下抗光照干扰人脸识别算法的研究与设计[D]. 李国防.南京邮电大学 2017
[2]融合各最优尺度下特征的高分辨率遥感影像分类[D]. 王慧.南京信息工程大学 2016
[3]海量灰度图像八连通域并行标记算法的研究与应用[D]. 范家铭.河南大学 2015
[4]基于视频监控运动目标检测算法研究[D]. 黄素茵.华南理工大学 2013
[5]红外图像序列中人体目标检测与跟踪方法研究[D]. 修彬.安徽大学 2013
[6]移动目标视觉追踪系统设计与实现[D]. 罗金梅.电子科技大学 2012
[7]视频图像序列中运动目标的获取与跟踪[D]. 曹丽武.华中科技大学 2011
[8]基于改进粒子滤波器目标跟踪算法研究[D]. 钱翔.安徽大学 2010
本文编号：3330004
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3330004.html
