《基于多特征的核跟踪算法研究论文》由会员分享，可在线阅读，更多相关《基于多特征的核跟踪算法研究论文（40页珍藏版）》请在金锄头文库上搜索。
1、SJ005-1CHANGZHOU INSTITUTE OF TECHNOLOGY毕 业 设 计 说 明 书题目： 基于多特征的核跟踪算法研究 二级学院： 光电工程学院 专 业：测控技术与仪器 班级： 09测二 学生姓名： 向聪杰 学号： 09050223 指导教师： 相入喜 职称： 讲师 评阅教师： 职称： 2013年6月38摘要摘要视频目标跟踪是计算机视觉领域的重要的研究方向之一，在智能视频监控、智能人机交互和军事等领域都有着广泛的应用。随着信息技术的发展，近十几年许多学者对视频目标跟踪有了深入的研究，逐渐成为一个热点问题。然而在对视频目标跟踪中有很强的挑战性。在诸多提出的视频目标跟踪算法中
2、，许多在实际应用中遇到很多困难，很难准确地对目标进行跟踪。在跟踪过程中如何克服光照、非线性形变和背景中的噪声和干扰等问题成为了研究热点。在众多的目标跟踪算法中，基于核的目标跟踪算法因其较低的运算量与较好的性能被广泛应用于各领域，但是依然有不足之处。基于核的目标跟踪算法以Mean Shift为代表，它主要包括目标特征模型的构建、Bhattacharyya系数的计算、核的选择等几个步骤。该算法的关键在于目标特征模型的构建，只有选取很好的特征才能把目标从背景中很好地区分出来。传统的Mean Shift算法由于其只选取单视觉特征对目标进行定位，所以在一些场景中不能得到很好的地位效果，因此本文基于传统的
3、Mean Shift算法对其进行改进，研究目标特征模型对核跟踪的影响，然后在几个视觉特征中选取多个特征进行线性融合，构建多视觉特征模型，得到一种基于多视觉特征的Mean Shift算法。通过实验证明该算法比传统的算法有更好的跟踪效果。关键词：目标跟踪 视觉特征 Mean Shift 目标模型 Bhattacharyya系数 AbstractAbstractVisual tracking is an important research direction in the field of computer vision, intelligent visual surveillance, inte
4、lligent human-computer interaction, and mi-litary and other fields have a wide range of applications With the development of inf- ormation technology in the last decade, many scholars visual tracking with indepth research, becoming a hot issue. However, there is a strong challenge in the visual trac
5、king. In many of the proposed visual tracking algorithm, in many practical applications encounter many difficulties, it is difficult to accurately track the object. How to overcome the light, in the nonlinear deformation and background noise and interference and other issues during tracking has beco
6、me a hot topic. Because of its low computational complexity and better performance in object tracking algorithm, kernel-based object tracking algorithm has been widely used in various fields, but the reare still in a dequate.Mean Shift kernel-based object tracking algorithm as the representative, wh
7、ich includes object feature model Bhattacharyya coefficient calculation, the choice of nu- clear few steps. The key to this algorithm is that the object feature model nice feature to only the selected objects from the background well points out areas. Traditional M- ean Shift algorithm to locate the
8、 object due to its select only a single visual features, s- o in some scenes can not get a good position, so this article based on the traditional Mean Shift algorithm to improve the feature model of the research objectives of nucl- ear track , then in a few select multiple visual features character
9、istic linear fusion con- struct multi-visual features model to obtain a more visual features based on Mean Shi- ft algorithm. The experimental results show that the algorithm is better than the tradit ional method of tracking.Key words: Object tracking Visual features Mean Shift Object model Bhattac
10、haryya coefficient目录目录第1章 绪 论11.1课题研究的背景及意义11.2视频目标跟踪算法国内外研究现状11.2.1视频目标跟踪算法介绍11.2.2国内外发展现状21.2.3核跟踪算法的优点面临的问题31.3本文的主要工作内容与文章结构4第2章Mean Shift理论52.1引言52.2 无参密度估计理论52.2.1无参密度估计方法52.2.2核密度估计原理62.3Mean Shift理论62.3.1多维空间下核密度估计理论62.3.2密度梯度估计和Mean Shift向量8第3章 基本的Mean Shift跟踪算法103.1Mean Shift算法框架简介103.2Mea
11、n Shift算法步骤103.2.1目标特征的选取103.2.2目标特征模型的构建113.2.3候选模型的立建123.2.4相似性函数的建立123.2.5目标定位133.3跟踪算法实现流程图15第4章 多特征的Mean Shift跟踪算法164.1视觉特征选择164.1.1颜色特征的提取164.1.2 纹理特征194.2 多特征模型的构建224.3多特征Mean Shift算法流程244.4实验仿真结果24第5章 总结与展望27致谢28参考文献29附录31第1章 绪论第1章 绪 论1.1课题研究的背景及意义感觉是人类感知外界信息的窗口和与外界交流的桥梁，它可以让人类获取外界信息然后对获取的信息
12、进行识别并判断各种事物之间的联系，通过对事物的识别与判断，人类可以把自己的思维与外界信息建立相对应的关系。在人类对外界感知的信息中有大约百分之八十是依靠视觉来获取的，人类通过视觉获取外界信息是最主要的途径它可以为人类提供相对准确的信息，因为人类的视觉系统相对于其他感知系统是一种高清晰度的媒介。人类的视觉系统虽然能比较准确清晰地获取各种视觉信息，但是由于人类有限的精力以及有限的视野，人类的视觉系统在很多领域都存在着局限性。为了弥补人类视觉系统的局限性，如何让计算机代替人类视觉系统获取外界信息并对信息进行处理成为了一项重要的研究课题。随着计算机技术的迅猛发展，计算机视觉为目标跟踪奠定了良好的基础。
13、视频目标跟踪技术是计算机视觉领域的核心研究问题之一，它涉及到诸多领域，如数字图像处理、模式识别、人机交互、视频图像处理等。视频目标跟踪的研究对人类社会的发展有着不可或缺的作用，它在人类生产生活等各种领域都扮演着至关重要的角色，同时在军事领域它也有成功的应用，比如空中交通管制系统、海岸监视系统以及军事上各种防卫系统。1.2视频目标跟踪算法国内外研究现状1.2.1视频目标跟踪算法介绍目标视频目标跟踪是计算机视觉领域中的一项基础核心技术，它是许多研究机构和研究者关注的重点。它是许多高层级视频处理的基础。视频目标跟踪算法有很多，根据跟踪原理的不同可以把跟踪算法简要地分为基于对比度分析的跟踪、基于特征匹
14、配的跟踪、基于核的跟踪以及基于运动检测的跟踪。下面为大家简要地介绍几种常用的目标跟踪算法。卡尔曼滤波跟踪算法：卡尔曼滤波算法的基本思想从本质上来讲就是一个有噪声线性动态系统状态预测的递归算法。它实现目标跟踪的过程就是一个不断预测与校正的过程。常规的卡尔曼滤波算法在应用过程中有很多局限性，它要求系统状态模型和观测模型都是线性的而且都必须符合高斯模型，而且噪声也要符合高斯分布的理想状态下才能在跟踪过程中获得较好的结果。粒子滤波跟踪算法：粒子滤波跟踪算法是一种基于蒙特卡罗仿真的贝叶斯滤波算法，它能解决一些卡尔曼滤波算法不能实现的跟踪，它主要能解决非线性和不符合高斯分布情况下的跟踪。粒子滤波算法主要包
15、括粒子采样、粒子加权、粒子重采样三个步骤，它的核心思想是通过从后验概率中抽取的随机状态粒子来表达其分布。简而言之，粒子滤波法是指通过寻找一组在状态空间传播的随机样本对概率密度函数 进行近似，以样本均值代替积分运算，从而获得状态最小方差分布的过程。基于运动检测的目标跟踪算法：此算法的基本思想是通过检测序列图像中目标和背景运动的不同寻找目标存在的区域来实现对目标的跟踪。光流法是此类算法的代表，它是研究图像灰度在时间上的变化与景象中物体结构及运动关系来达到跟踪目标的目的的。基于核的目标跟踪算法：核跟踪算法的基本思想是对相似度概率密度函数或者后验概率密度函数采用直接连续的估计对目标进行跟踪的。它的主要代表算法是Mean
