单行人跟踪安卓应用

发布时间：2021-09-01 12:41

　　目标跟踪是当前计算机视觉研究中的热点问题之一。仅基于一台普通摄像机的单目标行人跟踪算法可用于轮式移动机器人或视频监控。具有这种跟踪功能的机器人可以实时跟踪行人,无论是直行还是转弯,可以用作儿童伴侣机器人或跟踪机器人等。本文对行人的检测和跟踪进行了研究工作。,并在Android平台上开发单目标行人跟踪算法,这已成为许多应用场景中的通用平台。这也适用于各行各业,使用人体流量检测和跟踪技术,可以为地铁分流,商场控制人流等提供技术支持。该研究项目的主要内容如下:（1）常用方法:一般情况下,跟踪行人的常用方法是背景减法。这将视频流的像素分为背景（未检测到运动）或前景（检测到运动）。因此,通常探测器都会接受训练,通过扫描整个帧来搜索视频帧中的行人。其中,KCF算法是重量轻的算法和利用循环矩阵特性提高处理速度的新的跟踪框架,这也是它被认为是基础的原因。（2）研究内容:有许多跟踪算法,例如MIL、KCF、TLD、MEDIANFLOW、GOURN、MOSSE或CSRT;其中,KCF具有更高的FPS率。在本论文中,我们开发了一个机器人应用的行人检测和跟踪。其中,对基于KCF跟踪算法的OpenCV技术行人跟... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：48 页

【学位级别】：硕士

【文章目录】：
ABSTRACT
摘要
Chapter 1 Introduction
    1.1 Research Background and Significance
    1.2 Main research contents
    1.3 Literature Review
    1.4 Thesis Structure
Chapter 2 Detection and Tracking Algorithms and Key Technologies
    2.1 Object detecting
    2.2 HAAR+CASCADE Detection
    2.3 HOG+SVM Detection
        2.3.1 SVM Linear Classifier
        2.3.2 SVM Non-Linear Classifier
    2.4 Object tracking algorithms
        2.4.1 Boosting Tracker
        2.4.2 MIL Tracker
        2.4.3 KCF Tracker
        2.4.4 TLD Tracker
        2.4.5 GOTURN Tracker
        2.4.6 MOSSE Tracker
    2.5 Basic principle of the KCF algorithm
    2.6 KCF Algorithm Formulation
    2.7 Summary
Chapter 3 Pedestrian Detection and Tracking
    3.1 Introduction to Pedestrian Tracking
    3.2 Pedestrian Detection and Tracking Algorithms
    3.3 Pedestrian Detection and Tracking with moving Camera
    3.4 Pedestrian Detection and Tracking Challenges
    3.5 Development Strategy
    3.6 Moving Object Tracking methodologies
    3.7 Research on KCF Tracking process
    3.8 Experiment of KCF Algorithm
    3.9 Summary
Chapter 4 Android Cell Phone Application for Single Pedestrian Tracking with KCFAlgorithm
    4.1 Introduction
    4.2 KCF Tracking Framework
    4.3 Simulation environment
    4.4 Detailed Design of Key Modules
        4.5.1 Android APP Development
        4.5.2 Target Detection
        4.5.3 Target Tracking
    4.5 Experimental Results
    4.6 Summary
Chapter 5 Conclusion
    5.1 Thesis Summary
    5.2 Thesis Prospective
References
ACKNOWLEDGEMENT


【参考文献】：
期刊论文
[1]基于三帧差法和交叉熵阈值法的车辆检测[J]. 李秋林,何家峰.  计算机工程. 2011(04)
[2]基于混合高斯模型的行人检测方法[J]. 李娟,邵春福,杨励雅.  吉林大学学报(工学版). 2011(01)
[3]基于SIFT特征匹配和动态更新背景模型的运动目标检测算法[J]. 王亮芬.  计算机应用与软件. 2010(02)
[4]自适应混合高斯背景模型的运动目标检测方法[J]. 黄鑫娟,周洁敏,刘伯扬.  计算机应用. 2010(01)
[5]运动目标跟踪算法研究综述[J]. 张娟,毛晓波,陈铁军.  计算机应用研究. 2009(12)
[6]粒子群优化粒子滤波方法[J]. 方正,佟国峰,徐心和.  控制与决策. 2007(03)
[7]基于统计背景模型的运动目标检测方法[J]. 林洪文,涂丹,李国辉.  计算机工程. 2003(16)



本文编号：3377001