版權(quán)說明: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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著計算機的發(fā)展和監(jiān)控設(shè)備分辨率的不斷提升,作為計算機視覺領(lǐng)域的一個熱門研究方向,智能視頻監(jiān)控系統(tǒng)的研究越來越多的得到了人們的關(guān)注和重視。如何在視頻監(jiān)控系統(tǒng)中真正的做到完全解放人力,是所有研究者共同的奮斗目標(biāo)。智能視頻監(jiān)控中視頻序列的處理流程,一般包括圖像預(yù)處理、目標(biāo)檢測和分類、目標(biāo)跟蹤、目標(biāo)的行為理解等步驟。運動目標(biāo)的跟蹤是整個流程中的重要技術(shù),它是基于計算機視覺最底層,即目標(biāo)檢測之上的研究,能為后續(xù)的高層信息處理,如目標(biāo)的行為理解等
2、提供輔助。目標(biāo)跟蹤算法為本文的主要研究課題。
視頻監(jiān)控環(huán)境中的背景和目標(biāo)情況都是復(fù)雜多變的,因此很難找到一個能適應(yīng)各種情況的算法。但是經(jīng)過人們多年的努力,出現(xiàn)了能解決部分問題的一些經(jīng)典的算法。本文總結(jié)了目前已有的跟蹤算法的分類,引出了一些主流的跟蹤算法,而后分別對Kalman濾波器法、粒子濾波法、MCMC粒子濾波法、RJ-MCMC粒子濾波法和Mean Shift算法等進行了詳細(xì)的介紹,并對這些算法進行了優(yōu)缺點分析和比較。<
3、br> 詳細(xì)介紹了一種較好的融合算法,即Kalman濾波器預(yù)測結(jié)合Mean Shift搜索算法。傳統(tǒng)Mean Shift算法跟蹤效果一般,目標(biāo)發(fā)生嚴(yán)重遮擋時會跟蹤失敗,目標(biāo)運動速度過快時也會有跟蹤丟失的現(xiàn)象。Mean Shift算法要求相鄰兩幀間目標(biāo)區(qū)域需要有重疊部分,而結(jié)合算法克服了這一依賴。因此仿真結(jié)果可見,在對快速運動目標(biāo)的跟蹤中,結(jié)合算法表現(xiàn)良好。此外,通過對遮擋是否發(fā)生的判斷,選擇性的使用Kalman預(yù)測或Mean Sh
4、ift的搜索結(jié)果,能較好的跟蹤有遮擋情況的目標(biāo)。該算法的結(jié)合思想為后來的研究提供了思路。
本文重點引入了一種改進的MCMC算法,即AMCMC算法。該算法針對MCMC算法不能跟蹤可變數(shù)量的目標(biāo)和RJ-MCMC運算復(fù)雜度高的問題,提出將目標(biāo)的進入和離開場景的檢測獨立于MCMC抽樣之外,使同一時刻馬爾可夫鏈維數(shù)不變。這樣AMCMC算法即能跟蹤可變數(shù)量的目標(biāo),又相對于RJ-MCMC有較小的運算量。
由實驗可知,AMC
5、MC算法為使馬爾可夫鏈?zhǔn)諗?,往往需要設(shè)置較大的粒子數(shù),這是由于采樣過程中,大量的“不好”的提議抽樣被舍棄。因此基于Mean Shift算法能快速找到峰值的特點,我們引入Mean Shift來一步優(yōu)化那些“不好”的被舍棄的粒子點的狀態(tài),而后再次進行接收拒絕判斷。這樣就能大大提高粒子的利用率。仿真實驗表明,在設(shè)置較小的粒子數(shù)的情況下,優(yōu)化算法能比原算法更好的跟蹤目標(biāo)。
AMCMC算法由于顏色模型的缺陷,處理目標(biāo)交互交叉和有遮擋
溫馨提示
- 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 復(fù)雜環(huán)境下視頻運動目標(biāo)跟蹤算法研究.pdf
- 復(fù)雜視頻監(jiān)控環(huán)境下的運動目標(biāo)檢測與跟蹤算法研究.pdf
- 視頻監(jiān)控中運動目標(biāo)的檢測與跟蹤.pdf
- 視頻監(jiān)控中運動目標(biāo)的檢測、跟蹤與動作識別算法的研究.pdf
- 視頻監(jiān)控中的運動目標(biāo)跟蹤算法研究.pdf
- 智能視頻監(jiān)控中運動目標(biāo)的檢測與跟蹤.pdf
- 智能視頻監(jiān)控系統(tǒng)中運動目標(biāo)的檢測和跟蹤算法的研究.pdf
- 運動目標(biāo)的跟蹤算法研究.pdf
- 視頻中運動目標(biāo)的檢測與跟蹤算法研究.pdf
- 復(fù)雜擁擠環(huán)境下協(xié)同視頻監(jiān)控中目標(biāo)跟蹤算法研究.pdf
- 視頻監(jiān)控系統(tǒng)中運動目標(biāo)跟蹤算法的研究.pdf
- 視頻圖像中運動目標(biāo)的檢測與跟蹤算法研究.pdf
- 基于視頻監(jiān)控系統(tǒng)的運動目標(biāo)跟蹤算法研究.pdf
- 視頻序列中運動目標(biāo)的檢測與跟蹤算法.pdf
- 智能監(jiān)控中運動目標(biāo)的行為探測跟蹤算法研究.pdf
- 視頻監(jiān)控中運動目標(biāo)的檢測、分類識別與跟蹤.pdf
- 視頻環(huán)境中運動目標(biāo)的檢測與跟蹤問題研究.pdf
- 復(fù)雜背景下視頻運動目標(biāo)跟蹤算法研究.pdf
- 視頻序列中運動目標(biāo)的檢測與跟蹤算法研究.pdf
- 視頻監(jiān)控中運動目標(biāo)發(fā)現(xiàn)與跟蹤算法研究.pdf
評論
0/150
提交評論