收藏本站
收藏 | 论文排版

视频目标跟踪算法研究

王书朋  
【摘要】: 视频目标跟踪是计算机视觉领域的核心问题,在民用和军事上都具有广泛地应用,如智能监控、人机交互、机器人导航、医学诊断以及精确制导武器等,近十几年随着信息技术的快速发展,目标跟踪吸引了众多研究者的关注,成为热点研究问题。尽管人们已经提出了许多有效的视频目标跟踪算法,但是在实际应用中视频目标跟踪仍然面临许多困难,如光照变化、目标姿态的改变、非线性形变以及背景中的噪声和干扰等,因此设计鲁棒的视频目标跟踪算法仍然是一项具有挑战性的任务。 本文从视频跟踪算法的两个主要方面:滤波器设计和目标外观模型设计,开展了深入的研究,并针对视频目标跟踪中的难点问题,提出了一些有效的新方法。 1.提出了一种基于颜色特征和自适应卡尔曼滤波的视频目标跟踪算法。该算法首先根据目标主要颜色的分布建立目标模型,能够用较少的参数对目标进行准确的描述,其性能优于常用的基于直方图的目标模型。其次,将卡尔曼滤波应用于目标跟踪中,并根据遮挡情况自适应调整滤波器参数,提高了跟踪算法的鲁棒性。实验表明该算法在目标外观变化、遮挡等情况下能够取得较好的跟踪效果。 2.针对基于颜色分布的目标模型完全忽略了空间信息,难以准确跟踪目标尺度变化的缺点,提出了一种基于空间约束颜色模型的概率目标跟踪算法。该算法构造了一种能够同时反映目标颜色分布和空间结构的空间约束颜色模型,提高了模型的分辨能力。同时,本文将空间约束颜色模型与粒子滤波相结合,显著增强了跟踪算法的抗干扰能力。实验表明在目标具有明显尺度变化、姿态改变和部分遮挡的情况下,该算法可以获得准确和鲁棒的跟踪结果。 3.为了适应在跟踪过程中目标外观的变化,提出了一种基于粒子滤波的目标模型更新算法。该算法利用目标状态的后验概率密度函数的分布和目标的外观变化测度估计跟踪的可靠性,仅在可靠跟踪时进行模型更新,有效地避免了更新过程导致的模型漂移问题,显著提高了跟踪算法的鲁棒性。 4.提出了一种基于团块模型的目标跟踪算法。该算法通过在图像序列中连续地分割出目标的团块特征,并利用团块匹配的方法进行目标跟踪。基于团块的目标模型包含了目标的颜色、空间、形状等信息,能够较详细描述目标的外观结构,因此在跟踪中可以避免干扰物的影响。实验表明该算法能够有效实现复杂场景下的目标跟踪。 5.针对红外图像信噪比低、对比度差、目标容易受到干扰等问题,提出了一种基于自适应特征选择的红外目标跟踪算法。该算法通过分析目标及其周围背景的灰度特征,选择能够有效区分目标和背景的灰度对目标建模,然后利用Mean Shift方法进行跟踪。通过实时更新目标特征,该算法在目标和背景灰度发生显著变化时依然可以进行准确跟踪。对实测红外图像序列的实验结果表明该算法对于低对比度的红外目标能够获得稳健的跟踪效果。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张婷;李靖;刘盼;;基于粒子滤波的红外/毫米波复合制导目标跟踪方法[J];制导与引信;2006年03期
2 曾伟;朱桂斌;唐丁丁;;一种基于边缘特征的地面军事目标相关跟踪方法[J];通信对抗;2009年04期
3 秦臻;;改进的粒子滤波及其在GPS动态定位中的应用[J];全球定位系统;2010年05期
4 王庆欣;史连艳;;几种非线性滤波算法的比较研究[J];现代电子技术;2011年06期
5 张海云;杜利民;;基于TVAR模型和粒子滤波的语音增强方法[J];微计算机应用;2007年12期
6 孙红光;张瑾;潘毓学;卜倩;李欢利;;云层背景下粒子滤波目标跟踪方法研究[J];东北师大学报(自然科学版);2010年01期
7 于勇;郭雷;;一种基于粒子滤波的红外目标跟踪方法[J];计算机工程与应用;2008年20期
8 刘贵喜;范春宇;高恩克;;基于粒子滤波与多特征融合的视频目标跟踪[J];光电子.激光;2007年09期
9 李春鑫;王孝通;徐晓刚;;基于积分边缘强度局部均值的红外目标跟踪[J];激光与红外;2009年07期
10 程建;;基于卡尔曼预测采样与空域图描述的稳健红外目标跟踪[J];红外与激光工程;2008年05期
11 程建;;基于粒子滤波与层级形状描述的红外目标跟踪[J];系统工程与电子技术;2011年06期
12 程建;周越;蔡念;杨杰;;基于粒子滤波的红外目标跟踪[J];红外与毫米波学报;2006年02期
13 宦若虹;王浙沪;唐晓梅;陈庆章;;动态背景下基于粒子滤波的运动目标跟踪方法[J];计算机应用与软件;2011年05期
14 范乐昊;邱晓晖;;分布式粒子滤波算法在面向跟踪的无线传感器网络中的应用[J];南京邮电大学学报(自然科学版);2008年02期
15 张洪涛;马培军;崔平远;;一种用于解决粒子滤波粒子退化现象的重要性重采样算法的研究[J];飞行器测控学报;2008年04期
16 王向华;覃征;杨新宇;栗江涛;;阈值去噪下的改进粒子滤波算法[J];西安交通大学学报;2010年02期
17 王宪;袁洪;;基于粒子滤波的GPS多径估计[J];控制与决策;2010年08期
18 侯一民;郭雷;伦向敏;;运动背景下基于粒子滤波的目标跟踪[J];计算机工程与应用;2007年08期
19 张玉冰;罗青山;曾贵华;;基于部件的对象实时跟踪[J];计算机工程与应用;2008年07期
20 王雪;王晟;马俊杰;;径向基粒子滤波状态跟踪测量算法[J];机械工程学报;2006年12期
中国重要会议论文全文数据库 前10条
1 许元;;RoboCup3D仿真组Agent定位研究[A];2005中国机器人大赛论文集[C];2005年
2 沈亚强;程仲文;;基于卡尔曼滤波的语音增强方法[A];第二届全国人机语音通讯学术会议论文集[C];1992年
3 高勤;都学新;;莫尔斯信号的新型滤波方法[A];中国电子学会第七届学术年会论文集[C];2001年
4 梁钰;布亚林;贺哲;朱业玉;;用T213产品制作河南省沙尘天气短期预报[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集(下册)[C];2004年
5 赖富强;孙建孟;李茂兵;;基于卡尔曼滤波的FMI成像测井加速度校正研究[A];中国地球物理·2009[C];2009年
6 丁明理;王祁;洪亮;赵鹏;;无陀螺微惯性测量单元的卡尔曼滤波方法研究[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年
7 万寿庆;;基于灰色理论的卡尔曼滤波[A];第16届全国灰色系统学术会议论文集[C];2008年
8 田甜;王爱华;安建平;薛斌;;一种基于新息自适应卡尔曼滤波的载波跟踪环路[A];第二届中国卫星导航学术年会电子文集[C];2011年
9 李惠光;潘俊;王琦;;Kalman滤波器在板形检测上的应用[A];1993中国控制与决策学术年会论文集[C];1993年
10 张友民;陈洪亮;戴冠中;;基于奇异值分解的固定区间平滑新方法[A];1995年中国控制会议论文集(上)[C];1995年
中国博士学位论文全文数据库 前10条
1 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年
2 田隽;基于粒子滤波的视频目标跟踪算法的研究[D];中国矿业大学;2010年
3 宫轶松;粒子滤波算法研究及其在GPS/DR组合导航中的应用[D];解放军信息工程大学;2010年
4 肖延国;智能传感器侦察网络中的目标跟踪算法研究[D];中国科学技术大学;2007年
5 姚剑敏;粒子滤波跟踪方法研究[D];中国科学院研究生院(长春光学精密机械与物理研究所);2005年
6 王乐;卫星USB测控体制下信号特征参数的分析与识别[D];哈尔滨工业大学;2010年
7 许昕;基于滤波技术和粒子群优化的齿轮箱故障诊断研究[D];中北大学;2011年
8 宋越明;基于粒子滤波的跟踪方法研究[D];解放军信息工程大学;2010年
9 周翟和;惯性组合导航系统中线性/非线性混合粒子滤波技术研究[D];南京航空航天大学;2010年
10 熊剑;粒子滤波及其在光纤捷联惯性导航系统中的应用[D];南京航空航天大学;2010年
中国硕士学位论文全文数据库 前10条
1 卢舒勃;民用飞机导航传感器滤波算法研究[D];上海交通大学;2011年
2 高恩克;目标跟踪的算法研究[D];西安电子科技大学;2007年
3 牛丽辉;基于预测的Mean Shift人脸跟踪算法研究[D];华侨大学;2008年
4 石媛;视频图像处理中基于粒子滤波的红外目标跟踪[D];西安电子科技大学;2008年
5 苟若愚;基于粒子滤波的运动目标跟踪算法研究与实现[D];重庆大学;2010年
6 金梦珺;概率假设密度粒子滤波的算法与硬件实现研究[D];浙江大学;2011年
7 张继旺;无线定位中时延估计算法研究[D];北京交通大学;2011年
8 刘涛;基于粒子滤波的目标跟踪算法研究[D];西南大学;2010年
9 张楠;基于粒子滤波的目标跟踪算法研究[D];广东工业大学;2011年
10 冯卫娜;非线性系统参数和状态联合估计新算法研究[D];郑州大学;2010年
中国重要报纸全文数据库 前4条
1 陈长春;让士兵作战耳目更灵[N];中国国防报;2004年
2 王燕坊;应用数学与统计方法分析宏观经济[N];中国社会科学院院报;2004年
3 中国测会学会;测绘学科理论的新进展[N];中国测绘报;2005年
4 记者 王华楠;组合导航定位为农机引路[N];中国技术市场报;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978