復(fù)雜背景下運(yùn)動(dòng)目標(biāo)跟蹤算法研究.pdf

1、對復(fù)雜背景下運(yùn)動(dòng)目標(biāo)的跟蹤算法研究實(shí)際上就是對圖像序列中的目標(biāo)進(jìn)行定位和跟蹤的方法研究。本文在介紹圖像目標(biāo)跟蹤技術(shù)發(fā)展及現(xiàn)狀的同時(shí)，簡要描述了現(xiàn)在常見的目標(biāo)跟蹤方法的分類，并對圖像匹配和仿生技術(shù)在目標(biāo)跟蹤技術(shù)中的應(yīng)用做了介紹。針對現(xiàn)有目標(biāo)跟蹤算法在實(shí)際應(yīng)用中的一些局限性，重點(diǎn)研究了基于變換域和神經(jīng)網(wǎng)絡(luò)的兩種跟蹤算法。
　　現(xiàn)有的目標(biāo)跟蹤算法在待配準(zhǔn)圖像中存在較大的放縮變形時(shí)，配準(zhǔn)精度會下降很快，對數(shù)極坐標(biāo)變換和相位相關(guān)相結(jié)合的算法

2、就是針對目標(biāo)在復(fù)雜背景下由小變大，并且伴有旋轉(zhuǎn)變化的情況而提出的。該算法可以有效地感知目標(biāo)的縮放倍數(shù)和旋轉(zhuǎn)角度，文中對算法在各種影響下的性能進(jìn)行了分析的同時(shí)，利用WNCC算法良好的中心配準(zhǔn)能力對算法進(jìn)行改進(jìn)，改善了算法對中心敏感的問題。該算法計(jì)算量小，具有旋轉(zhuǎn)和尺度不變性，并且有一定的抗噪能力，提高了跟蹤算法的魯棒性。
　　傳統(tǒng)的模式識別方法由于自身的局限性給應(yīng)用帶來了諸多限制，文中引入了高維仿生神經(jīng)網(wǎng)絡(luò)的思想，設(shè)計(jì)出了多權(quán)值高維