《毕业设计（论文）mean shift目标追 踪算法实验研究.doc》由会员分享，可在线阅读，更多相关《毕业设计（论文）mean shift目标追 踪算法实验研究.doc（38页珍藏版）》请在金锄头文库上搜索。
1、摘 要目标跟踪可应用于基于视频的人机交互、视频监控、医学诊疗和自动驾驶等领域。它涉及到图像处理、模式识别、自动控制以及人工智能等。目标跟踪方法分为基于检测和基于匹配的方法。前者包括背景差分法、帧差法和运动场估计法等；后者包括基于区域、特征、模型和变形模板匹配的目标跟踪方法等。论文研究Mean Shift目标跟踪算法。在跟踪过程中，由人工选取视频序列初始帧中的目标区域，在RGB颜色特征空间中建立模板，以相似性最大为原则，用Bhattacharyya系数度量模板间的相似度，并在后续帧中不断迭代，直到搜索出变化目标的实际位置。论文给出了Mean Shift目标跟踪算法实现的四个对比实验，并对目标存在
2、干扰、遮挡和运动速度过快等条件下出现跟踪失败进行了分析。Mean Shift目标跟踪算法具有所需先验知识少、计算复杂度低和易于实现等特点。由于其核函数窗口宽度固定不变，当目标与背景过于相似、目标快速运动或大面积被遮挡时，容易出现跟踪失败的情形。关键词：目标跟踪；Mean Shift算法；相似性函数AbstractTarget tracking can be applied to video-based human-computer interaction, video surveillance, medical diagnosis and automatic driving and the o
3、ther fields, which involves image processing, pattern recognition, automatic control and artificial intelligence. The target tracking method is based on the detection and matching-based approach. The former includes background difference method, frame difference method and motion field estimation me
4、thod, and the latter includes target tracking method based on region, feature, model and deformation template matching.This paper does research on Mean Shift Target Tracking Algorithm. In the procedure of tracking, the template is established by manually selecting the target region in the initial fr
5、ame of the video sequence, and the template is established in the RGB color feature space. The Bhattacharyya coefficient is used to measure the similarity between the templates and the iterations in the subsequent frames, until the actual position of the changing target is searched.In this paper, fo
6、ur contrast experiments are carried out by the Mean Shift target tracking algorithm, and the failure in tracking is analyzed under the condition that the target has interference, occlusion and too fast movement speed. The Mean Shift target tracking algorithm has the characteristics of less prior kno
7、wledge, low computational complexity and easy implementation. Because the width of its kernel window is fixed, when the target is too similar to the background, moves quickly or its large area is blocked, its easy to fail in tracking.Key words: object tracking; Mean Shift algorithm; similarity funct
8、ion目 录摘 要IAbstractII目 录III图表目录IV第一章 绪 论21.1课题研究目的与意义21.1.1 选题的背景与意义21.1.2 国内外研究动态31.2本课题研究任务41.2.1 主要工作41.2.2 论文主要内容5第二章 目标跟踪方法62.1 几种目标跟踪方法62.1.1 基于匹配的跟踪方法72.1.2 基于检测的跟踪方法82.2 目标跟踪实现工具9第三章 Mean Shift算法103.1 无参数密度估计103.2 彩色空间选择113.3 Mean Shift目标跟踪123.3.1 模板建立143.3.2 相似性度量与目标定位15第四章 Mean Shift目标跟踪实验1
9、74.1 实验设计及分析174.2 实验总结24第五章 总 结265.1结论265.2不足与展望26参考文献27致 谢29附 录30II图目录图 3.1 常用的核函数表达式及图形11图 3.2 RGB颜色的立体示意图12图 3.3 Mean Shift向量的示意图13图 3.4 Mean Shift跟踪原理示意图14图 4.1 基于Mean Shift算法的实验步骤流程图17图 4.2 白衣行人跟踪实验结果图18图 4.3 红衣行人跟踪实验结果图19图 4.4 蓝衣行人跟踪实验结果图21图 4.5 白色车辆跟踪实验结果图22图 4.6 汽车在高速公路上行驶跟踪实验结果图23III安徽建筑大学本
10、科毕业设计（论文）第一章 绪 论1.1课题研究目的与意义1.1.1 选题的背景与意义人类感知世界的绝大多数信息来自视觉所获得的图像。人脑神经网络系统，使人类可以对图像进行快速分析处理，获得有用信息，并做出相应的反应。智能系统的快速发展给人们的生活和工作带来越来越多的便利。与此同时人们对智能系统提出了更高层次的要求，希望智能系统也能够像人脑一样快速分析处理感兴趣的图像信息，于是利用计算机及相关设备模拟生物视觉的计算机视觉顺应而生。计算机视觉是根据感测到的图像对目标进行描述和识别，从而做出对实际物体和场景有意义的判定1。目的是为了让计算机可以像人眼一样能获得外界的图像，同时具备视觉理解能力。计算机
11、视觉是一门交叉性很强的学科，光涉及到的领域就有计算机图形学、人工智能、图像处理、神经网络、模式识别、计算机科学、心理物理学、神经生物学和数学等等。目标跟踪就是对视频序列中感兴趣的目标进行跟踪。在视觉分析系统的处理过程中，目标跟踪位于目标分类和运动检测之后、行为理解与描述之前，是不可或缺的关键部分。而目标跟踪的实质就是对图像传感器拍摄到的视频序列进行分析，计算出目标在每一帧图像中的大小、位置和运动速度。目标跟踪作为计算机视觉领域中的研究热点问题之一，因其有着广阔的发展前景，在日常生活和经济生活以及国防事业等诸多领域都有广泛的应用。以下就是其应用在几个方面的简述1：（1）智能监控智能监控系统在一些
12、安全性要求比较高的场合有着广泛的应用，如政府、银行、机场、商场等机构。传统的监控方法需要人工对采集的视频进行分析、处理。但随着监控系统规模越来越大，这种方式就难以满足监控的实时性要求。而智能监控可用机器来代替人处理图像自动完成对目标的跟踪，节约了大量的人力劳动。（2）智能交通随着经济的快速发展，人们的生活水平日渐提高，购车代步出行成了大多数人的选择。车流量的增大让城市的交通压力变得越来越大，交通事故的发生也渐渐频繁起来。为了解决交通状况这个问题，政府这方面加大了研究力度。希望能根据拍摄到的视频图像，对车辆进行交通流量控制，判断道路上的车辆行为，实现对违规车辆的跟踪并检测其车牌号等操作。（3）人
13、机交互鼠标和键盘作为人机交互的常用方式，带来了很大的方便。但随着科学技术的发展，人们希望能有更人性化、更智能的人机交互方式出现。而基于视觉的人机交互系统可以通过计算机捕获人体运动，让计算机“看到”并“理解”人的行为，为实现这一目标提供了可能。（4）军事应用目标跟踪技术在军事上的应用主要包括军事机器人视觉、自动驾驶飞行器、导弹自动跟踪目标等。随着现代高科技的发展，未来的军事作战，将更多使用智能化武器。目标跟踪系统会是智能化武器的重要组成部分。准确、实时地跟踪运动目标对武器制导和控制、提高武器打击精度和准确度等方面都有着重要的影响。这对保卫国防和人民生命财产的安全有着不可忽视的重要战略意义。此外，
14、目标跟踪技术在视觉重构、视觉控制系统、医疗诊断、农业自动化等领域均有着广泛的应用。因此，目标跟踪研究具有广阔的发展前景，较强的研究价值和现实意义。1.1.2 国内外研究动态正是因为视频监控系统具有广泛的应用前景和潜在的经济价值，激发了国内外广大科研工作者及相关商家的浓厚兴趣。就研究现状来看，国外对于目标的检测和跟踪理论的研究工作的起步要早些，其中特别是美国和英国等国家。在开展了大量相关项目研究之后取得了一定的成果。1996至1999年间，美国国防高级研究项目机构（DARPA）资助了麻省理工学院、戴维SARNOFF研究中心等高校和研究机构，共同合作研究视频监控项目Visual Surveilla
15、nce and Monitoring（简称 VSAM）2。其主要研究目的是应用于民用和战场中，实现未来人力所不能及的场合下可以使用智能化的工具。2000年，美国马里兰大学与美国IBM公司联合开发的w4（who、when、where、what）系统，该系统能定位人的位置并分割出人身体的部分，而且能通过建立外观模型实现对多人的跟踪，并对他们之间简单的交互活动进行监控3。2004年，欧盟启动了雷丁大学和法国INRIA等机构联合研究的机场智能监控项目AVITRAC。该项目主要应用于停机坪，对场景目标进行跟踪和异常情况的检测、报警，解决机场安全这个重大安全课题4。相较于国外，我国在这方面的研究起步较晚。2002年5月和2003年12月，中科院自动化所模式识别国家重点实验室，在北京承办了两届“全国智能视频监控学术会议”，并得到了全国各科研院所、高校、企业单位的热烈响应5。该实验室着眼于交通场景的视频监控、行为模式识别和人的运动视频监控的深入研究 ，并取得了显著的创新成果。该实验室还与法国波尔多第三大学EGID研究所、英国雷丁大学等国外研究机构就相关领域进行了广泛的交流合作。此外，国内一些大学和研究机构在目标识别和跟踪方面同样也取得了显著的科研成果。如2013年，郭敬明博士提出了一种结合改进的M
