基于圖像特征的目標跟蹤方法.pdf_第1頁
已閱讀1頁,還剩73頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明: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,請進行舉報或認領

文檔簡介

1、目標跟蹤是計算機視覺的一個重要分支,它在視頻監(jiān)控、智能交通、人機交互、軍事偵察和機器人視覺導航等領域中已得到廣泛的應用,其目的是通過一定的相似性度量和匹配搜索算法實現(xiàn)目標的跟蹤和定位。盡管經(jīng)過多年的研究,已經(jīng)提出了許多目標跟蹤算法,但是在目標跟蹤技術中仍然存在當運動目標出現(xiàn)尺度變化、嚴重遮擋、旋轉(zhuǎn)和快速運動等復雜情況而導致跟蹤性能變差的問題。因此,本文在現(xiàn)有研究的基礎上,將Mean Shift和SIFT算法結合起來,同時為了降低背景或噪

2、聲給特征提取的影響,引入了特征庫動態(tài)更新策略,提出了一種基于特征庫動態(tài)更新的Mean Shift和SIFT特征匹配相結合的目標跟蹤方法。
  首先,本文研究了目標跟蹤中的經(jīng)典算法Mean Shift算法,而后研究了目標跟蹤中較為熱門的Kalman濾波以及在目標跟蹤中的應用。由于Mean Shift算法在處理跟蹤時以目標區(qū)域和候選目標區(qū)域的顏色直方圖為基礎對其進行建模的,并且在跟蹤過程中Mean Shift算法的核函數(shù)窗口大小保持定

3、值,因此當運動目標在跟蹤過程中出現(xiàn)較大尺度變化或者突然加速運動時,僅僅采用Mean Shift算法無法有效地跟蹤上目標。為了克服運動目標在發(fā)生快速運動時能夠較好的跟蹤上目標,本文還研究了將二者結合起來的目標跟蹤方法。
  其次,本文還概述了各種常用的點特征檢測算法。由于SIFT特征具有尺度、旋轉(zhuǎn)、仿射變換及光照變化的不變性,對噪聲抗性好,適用于快速準確的特征匹配。因此,本文還研究了基于SIFT特征的目標跟蹤算法。該算法在一定程度上

4、可以應對目標因尺度變換、光照、部分遮擋和噪聲等對運動目標跟蹤的影響。但是當運動目標出現(xiàn)嚴重遮擋或者候選目標區(qū)域中檢測到的特征點較少時,該算法可能會出現(xiàn)跟蹤誤差大甚至無法跟蹤目標的問題。因此,為了在這些復雜的情況下仍可得到較好的跟蹤結果,本文提出了一種將二者有效結合起來的目標跟蹤方法。
  最后,本文深入研究了基于Mean Shift和SIFT特征匹配相結合的目標跟蹤方法。與傳統(tǒng)目標跟蹤算法相比,該算法的優(yōu)點是首先,通過SIFT特征

5、匹配進行初始定位,克服旋轉(zhuǎn)、縮放、遮擋等對目標跟蹤的影響,然后利用Mean Shift精確定位,提高目標定位精度;其次,為了保證特征提取與特征匹配的穩(wěn)定性,該算法還采用了特征庫動態(tài)更新的SIFT特征匹配,大大提高了匹配的精度;最后,通過計算目標的遮擋因子來確定目標的跟蹤模式,如果遮擋因子大于閾值則進入遮擋跟蹤模式,否則對模板和特征庫進行更新,進入下一幀的跟蹤。實驗結果表明,該方法對目標的遮擋、快速運動及尺度變化等均具有較強的跟蹤適應性。

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論