版權(quán)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(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、蘇州大學(xué)本科生畢業(yè)設(shè)計(外文文獻(xiàn)原文)基于背景差值動態(tài)特征分組的實(shí)時目標(biāo)跟蹤 基于背景差值動態(tài)特征分組的實(shí)時目標(biāo)跟蹤ZuWhan Kim加利福尼亞 PATH(Partners for Advanced Transportation TecHnology),加州伯克利分校,加州,美國http://path.berkeley.edu/~zuwhan摘要 摘要目標(biāo)檢測和跟蹤有著寬泛的應(yīng)用領(lǐng)域,其中包括智能交通系統(tǒng)。我們將介紹一種將背景差值算法
2、和特征跟蹤分組算法相結(jié)合的目標(biāo)檢測和跟蹤算法。首先,我們展示一種增大背景差值的算法,其使用一種低頻特征作為線索。它所獲得的背景差值線索被用來提高特征檢測和分組的結(jié)果。然后,我們將闡述一種動態(tài)多級特征分組方法,其可以被用于實(shí)時應(yīng)用和提供高軌跡的質(zhì)量。一些從富有挑戰(zhàn)性的交通案例的視頻剪輯中得出的實(shí)驗性結(jié)果將被展示。1.介紹和準(zhǔn)備工作 介紹和準(zhǔn)備工作目標(biāo)檢測和跟蹤是計算機(jī)視覺中的主要研究領(lǐng)域。這些應(yīng)用領(lǐng)域中,有一種叫交通傳感分析。因為攝像機(jī)比
3、大多數(shù)其他傳感器安裝起來更為廉價和容易,所以它們中的許多已被安裝于道路周邊,特別是在交通路口。由此產(chǎn)生的視頻圖像常被用來評估交通流量,檢測車輛、行人的信號時序,和為了安全而跟蹤車輛和行人。數(shù)十年來,已有眾多的車輛和行人檢測和跟蹤算法被提出,如[15],[19],[16],[3],[6],[9],[14],[1],[18],還有許多商業(yè)系統(tǒng)用以檢測車輛(如“虛擬循環(huán)檢測器” )和行人。以上的系統(tǒng)(和許多其他的目標(biāo)跟蹤應(yīng)用)大多數(shù)是基于背景
4、差值算法。它先從一組圖像中提取出一個靜態(tài)的背景假說,然后計算出背景假說和即時圖像的區(qū)別來找出前景目標(biāo)。背景差值算法需要的時間消耗較小,且在照明情況良好的時候顯示出強(qiáng)大的檢測能力。然而,在區(qū)分障礙物時僅僅考慮背景差值結(jié)果會導(dǎo)致極其復(fù)雜的問蘇州大學(xué)本科生畢業(yè)設(shè)計(外文文獻(xiàn)原文)其給出一種多級特征分組算法用以處理多種型號的目標(biāo),以此同時檢測旅游大巴和自行車;而且·它引入了一種能夠適用于實(shí)時應(yīng)用和從不完整的特征跟蹤中產(chǎn)生高質(zhì)量目標(biāo)軌跡
5、的動態(tài)特征分組(其與之前的使用優(yōu)質(zhì)長軌跡的工作截然相反) 。在[10]中,一種將背景差值和特征跟蹤結(jié)合起來的方法被發(fā)現(xiàn)了。Kanhere et al.借此通過假設(shè)背景差值區(qū)域的下限即是目標(biāo)下限的方法,用背景差值結(jié)果為低角度攝像機(jī)估計了角特征的三維高度。雖然這樣的假設(shè)通常因遮蔽現(xiàn)象而失敗,但通過對多重圖像的冗余估計我們?nèi)钥梢詮拇罅康母挥刑魬?zhàn)性的高速公路視頻剪輯來獲得良好的結(jié)果。然而,一些背景差值和特征跟蹤分組算法的挑戰(zhàn)依然存在,例如路口處
6、的長角軌跡和照明的變法。不僅如此,通過一幀一幀比較而來生成軌跡并不能實(shí)現(xiàn)高質(zhì)量的軌跡。在我們的框架體系中,也包括了一種高度估計算法,以此來作為一個進(jìn)一步提高結(jié)果的線索。在第 2 部分中,我們介紹了一些我們對于背景差值算法做了些擴(kuò)充。特征分組算法將會在第 3 部分中加以講解。多種應(yīng)用的結(jié)果將會在第 4 部分展示,而總結(jié)和前景將會在第 5 部分說明。2.背景差值 背景差值一種經(jīng)典的背景差值算法對像素密度采用了卡爾曼濾波器(或α混合)以此來發(fā)
7、現(xiàn)背景[11]:, 𝐵𝑡 + 1 = 𝐵𝑡 + ( ∝ 1(1 ? 𝑀𝑡) + ∝ 2𝑀𝑡)𝐷𝑡(1)此處 表示在 t 時刻的背景模型, 是現(xiàn)在的圖像和 的差別,而 是二維 Bt Dt Bt Mt移動目標(biāo)假設(shè)掩膜。這樣的方法在前景目標(biāo)經(jīng)常出現(xiàn)的情況下表現(xiàn)的不錯,但在背景被物體遮住
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(quán)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(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
最新文檔
- 外文翻譯 --基于背景差值動態(tài)特征分組的實(shí)時目標(biāo)跟蹤
- 外文翻譯 --基于背景差值動態(tài)特征分組的實(shí)時目標(biāo)跟蹤
- 譯文 --基于背景差值動態(tài)特征分組的實(shí)時目標(biāo)跟蹤.docx
- 譯文 --基于背景差值動態(tài)特征分組的實(shí)時目標(biāo)跟蹤.docx
- 外文翻譯 --基于背景差值動態(tài)特征分組的實(shí)時目標(biāo)跟蹤(英文)
- 2011年--外文翻譯--基于動態(tài)系統(tǒng)和卡爾曼濾波的目標(biāo)跟蹤算法(譯文)
- 2011年--外文翻譯--基于動態(tài)系統(tǒng)和卡爾曼濾波的目標(biāo)跟蹤算法(譯文).doc
- 2011年--外文翻譯--基于動態(tài)系統(tǒng)和卡爾曼濾波的目標(biāo)跟蹤算法(譯文).doc
- [雙語翻譯]--外文翻譯--基于動態(tài)系統(tǒng)和卡爾曼濾波的目標(biāo)跟蹤算法
- [雙語翻譯]--外文翻譯--基于動態(tài)系統(tǒng)和卡爾曼濾波的目標(biāo)跟蹤算法外文翻譯
- 動態(tài)背景下的視頻目標(biāo)跟蹤.pdf
- 2011年--外文翻譯--基于動態(tài)系統(tǒng)和卡爾曼濾波的目標(biāo)跟蹤算法外文翻譯
- 目標(biāo)特征近似拓?fù)渫瑯?gòu)的實(shí)時視頻目標(biāo)跟蹤.pdf
- 基于特征點(diǎn)分類的實(shí)時多目標(biāo)檢測與跟蹤.pdf
- 2011年--外文翻譯--基于動態(tài)系統(tǒng)和卡爾曼濾波的目標(biāo)跟蹤算法
- 海天背景下弱小目標(biāo)實(shí)時捕獲跟蹤研究.pdf
- 基于FPGA的復(fù)雜背景下多目標(biāo)的實(shí)時檢測與跟蹤.pdf
- 2011年--外文翻譯--基于動態(tài)系統(tǒng)和卡爾曼濾波的目標(biāo)跟蹤算法(英文)
- 復(fù)雜背景下的實(shí)時目標(biāo)跟蹤技術(shù)研究.pdf
- 一種復(fù)雜地面背景的目標(biāo)實(shí)時跟蹤算法.pdf
評論
0/150
提交評論