版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)研究領(lǐng)域中重要的研究方向之一,運(yùn)動(dòng)目標(biāo)檢測(cè)處于運(yùn)動(dòng)目標(biāo)跟蹤的最底層,是運(yùn)動(dòng)目標(biāo)跟蹤的基礎(chǔ),從視頻場(chǎng)景中準(zhǔn)確的檢測(cè)到運(yùn)動(dòng)目標(biāo),對(duì)于運(yùn)動(dòng)目標(biāo)的跟蹤有重要的意義。運(yùn)動(dòng)目標(biāo)的跟蹤的準(zhǔn)確性除了與運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確性有關(guān)之外,還與其周圍環(huán)境的變化有關(guān)。目標(biāo)跟蹤算法的穩(wěn)定性、精確性和實(shí)時(shí)性已成為一個(gè)重要的研究課題。
本論文主要研究靜態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)的檢測(cè)方法和跟蹤方法。
針對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)問(wèn)
2、題,本文首先介紹了常用的靜態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)方法,然后研究了一種檢測(cè)方法以解決背景局部區(qū)域快速發(fā)生變化的情況,即采用原來(lái)是背景的物體變?yōu)榍熬暗臋z測(cè)方法,通過(guò)融合背景模型幀間差分法,高斯混合模型和碼本模型的算法,并利用背景模型幀間差分法可以將物體區(qū)域分為背景區(qū)域和運(yùn)動(dòng)區(qū)域,再融合高斯混合模型和碼本模型,可以更加精確的在不留拖影的情況下完成目標(biāo)的檢測(cè)。實(shí)驗(yàn)證明該算法可以實(shí)時(shí)精確的提取出運(yùn)動(dòng)目標(biāo)。
針對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤問(wèn)題,本
3、文在分析已有的靜態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)跟蹤方法的基礎(chǔ)上,將常用的跟蹤方法中均值漂移meanshift算法和自適應(yīng)均值漂移camshift算法分別結(jié)合卡爾曼濾波算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤。由于運(yùn)動(dòng)目標(biāo)可以近似為線性模型,建立運(yùn)動(dòng)目標(biāo)的線性狀態(tài)模型和觀測(cè)模型,將檢測(cè)得到的目標(biāo)的中心位置賦予卡爾曼濾波觀測(cè)值,并根據(jù)遮擋因子判斷目標(biāo)是否被遮擋,若未被遮擋則將卡爾曼濾波的預(yù)測(cè)值作為目標(biāo)當(dāng)前幀位置利用meanshift算法或camshift算法迭代到運(yùn)動(dòng)目標(biāo)
4、的中心最優(yōu)值,若目標(biāo)被遮擋,則將卡爾曼濾波預(yù)測(cè)位置作為運(yùn)動(dòng)目標(biāo)的中心最優(yōu)值。UKF是一種用采樣方法近似非線性分布來(lái)次優(yōu)近似解決非線性濾波問(wèn)題,具有性能穩(wěn)定,精度高,適應(yīng)性強(qiáng)的特點(diǎn)。但是在實(shí)際應(yīng)用中的運(yùn)動(dòng)目標(biāo)通常是非線性的,為了提高跟蹤的精確度,本文將UKF濾波分別與meanshift算法和camshift算法相結(jié)合以提高跟蹤精度。即將目標(biāo)檢測(cè)得到運(yùn)動(dòng)目標(biāo)的中心位置賦予UKF濾波觀測(cè)值,并根據(jù)遮擋因子判斷目標(biāo)是否被遮擋,若未被遮擋將UKF
5、預(yù)測(cè)值作為當(dāng)前幀位置利用meanshift算法或camshift算法迭代到目標(biāo)的中心最優(yōu)值,若目標(biāo)被遮擋,則將UKF濾波預(yù)測(cè)的目標(biāo)位置作為目標(biāo)的最優(yōu)位置。UKF融合meanshift算法和camshift算法相較于KF融合meanshift和camshift算法精度較高。該算法可以提高跟蹤目標(biāo)的實(shí)時(shí)性、精確性和抗遮擋性。并通過(guò)實(shí)驗(yàn)證明該方法的有效性。
本文所研究的方法在運(yùn)動(dòng)目標(biāo)的局部背景快速發(fā)生變化的情況下,可以對(duì)于運(yùn)動(dòng)目
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 靜態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤算法研究.pdf
- 靜態(tài)場(chǎng)景下多運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤.pdf
- 靜態(tài)場(chǎng)景中運(yùn)動(dòng)目標(biāo)的快速檢測(cè)與跟蹤技術(shù).pdf
- 靜態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 復(fù)雜場(chǎng)景中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤.pdf
- 復(fù)雜場(chǎng)景中運(yùn)動(dòng)目標(biāo)的穩(wěn)健檢測(cè)與跟蹤.pdf
- 復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)的視覺(jué)跟蹤方法研究.pdf
- 復(fù)雜環(huán)境下運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤.pdf
- 動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤.pdf
- 動(dòng)態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 靜態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的關(guān)鍵技術(shù)研究.pdf
- 靜態(tài)場(chǎng)景中基于亮度直方圖匹配的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤.pdf
- 基于運(yùn)動(dòng)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)與自動(dòng)跟蹤.pdf
- 復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 復(fù)雜背景下運(yùn)動(dòng)小目標(biāo)的檢測(cè)與跟蹤.pdf
- 低照度環(huán)境下運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤.pdf
- 運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤研究.pdf
- 運(yùn)動(dòng)攝像機(jī)下多運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤.pdf
- 復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法的研究.pdf
- 復(fù)雜場(chǎng)景中運(yùn)動(dòng)目標(biāo)的檢測(cè).pdf
評(píng)論
0/150
提交評(píng)論