文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 高等教育 > 工学 > 一种基于空间直方图的MeanShift跟踪算法
侵权投诉

一种基于空间直方图的MeanShift跟踪算法

一种基于空间直方图的MeanShift跟踪算法

,该算法对目标的仿射变化、非刚性形态变化,以及无规律的大位移运动具有有效性和鲁棒性.

7.学位论文 汪沁 Mean-shift跟踪算法鲁棒性的研究 2007

运动目标的检测和跟踪一直是计算机视觉领域的重要研究课题。它在人工智能系统、数字影像监控、军事视觉制导、安全检测、医学生物领域等都有广泛的应用。Mean-shift跟踪算法实时性好,对遮挡和目标变形具有一定的适应性,是一个比较优秀的跟踪方法。但它也存在不足。传统的Mean-shift算法当背景的直方图分布和目标的直方图分布类似时,或者目标受到光照、阴影等影响,或有干扰物体靠近目标时,很容易发生跟踪错误。 本文对Mean-shift算法在视频跟踪中的鲁棒性进行了研究,针对上述几个跟踪难点,在以下几个方面对Mean.shifl算法进行了改进。 1) 用目标的色彩融合特征取代灰度特征,使目标更有效地从背景中区分出来,增强Mean-shift算法中目标特征建立的鲁棒性。

2) 利用Kalman滤波对目标位置进行预测,在预测位置的邻域内进行Mean-shift搜索,降低Mean-shift跟踪在相似物体靠近或目标受遮挡等情况下发生定位错误的概率。

3) 利用非参数背景建模的方法进行运动目标检测,能自动检测出运动的前景目标,进行目标定位;目标丢失时也能重新获取目标。 最后,建立了改进的Mean-shifl跟踪算法的总体框架,并对大量的视频流进行仿真,验证了算法的有效性。

8.期刊论文 覃剑.曾孝平.曾浩.QIN Jian.ZENG Xiao-ping.ZENG Hao Mean-shift跟踪中的状态分析及处理 -计算机工程与应用2009,45(2)

在Mean-shift算法中,对跟踪状态的误判会引起错误的模板调整策略,造成目标丢失.提出了一种新的跟踪状态分析方法,该算法首先通过分析目标特征与背景特征的相对关系,引入特征增强函数,并在此基础上构造了新的背景模板.然后通过对跟踪中各模板相似系数动态变化过程的综合分析,准确判定目标所处跟踪状态,以采取相应的模板调整策略.实验表明,该算法可以有效增强Mean-shift算法在复杂条件下的跟踪效果,具有较好的稳健性.

9.会议论文 郭森.卢鑫.梁永生.柳伟 一种自适应权值更新的mean shift跟踪算法 2007

传统的mean shift跟踪算法根据像素与模板中心的距离为像素设置权值,进而增强算法的鲁棒性。但是在跟踪非刚性或非对称目标的过程中,上述权值设置方法明显不合理。本文提出了一种自适应权值更新的mean shift跟踪算法,它为模板中的每个像素赋予一个卡尔曼滤波器,在目标跟踪过程中根据目标形态变化对像素权值进行修正,从而获得一个更柔性、更合理的模板。本文将该方法用于人体运动目标的跟踪,基于监控录像中的人体运动目标跟踪实验表明,与现有方法相比,该方法具有很好的鲁棒性及稳定性。

10.学位论文 王江涛 基于视频的目标检测、跟踪及其行为识别研究 2008

目标的检测、跟踪与行为识别作为视频监控的主要研究内容,是当前计算机视觉领域的研究热点,其不但具有重要的实际意义,而且对计算机视觉的其他研究领域有着重要的推动作用。视频监控技术研究的主要目的是赋予机器视觉系统人类的视觉感知功能,以能够在图像序列中发现目标、跟踪目标,并对目标的行为进行识别和理解。经过几十年尤其是近十年的不懈研究,上述技术取得了长足的进步,但实践表明一般意义上的目标检测、跟踪与行为识别技术还远未成熟,要开发出真正鲁棒、实用的视频监控系统还需要更为鲁棒的核心算法。本论文主要对视频监控相关的关键技术进行研究,研究内容涉及目标的检测、目标的跟踪以及人体行为识别等方向,内容涵盖了可见光图像和红外图像领域。现对论文的主要创新点概述如下:

1)提出一种基于几何约束和颜色信息的人脸检测算法该方法在充分考虑人脸区域与头发区域的颜色特征与几何关系的基础上,给出了用于描述人脸区域和头发区域之间几何约束的表达模型;在对肤色区域和头发区域分别进行检测后,根据不同候选区域之间的几何关系,通过几何约束对人脸和头发可能存在的区域进行特征判别,完成对图像中的人脸检测。

2)分别提出一种单幅红外图像中和序列红外图像中的人体检测方法在单幅红外图像中,针对红外图像中人体图像亮度较高的特点,首先通过亮度方向投影确定可能存在人体的候选区域,进而采用方向梯度直方图对候选目标进行描述。最后将方向梯度直方图作为输入向量采用。Fisher线性判别和贝叶斯分类器对候选目标进行分类,完成对候选目标中存在的人体进行检测。在红外序列图像中,首先采用自适应高斯混合模型对序列图像进行背景建模,在准确分割出前景目标的基础上,设计了一种新的人体目标表达模型。以人体表达模型作为输入向量,构建支持向量机对人体目标进行分类判别。在不同的红外场景下进行人体检测实验时,所提出的两种算法均取得了满意的检测效果。

3)从自适应目标表达特征的选取和遮挡情况下的目标跟踪两个角度出发对Mean-Shift框架下的目标跟踪问题进行了改进Mean-ShiR框架下的目标跟踪大多采用静态目标表达模型,这在动态变化的场景中容易导致跟踪失败。针对该缺点,论文提出一种基于自适应特征生成模型的目标跟踪方法。通过构建目标和背景的局部信噪比,对当前目标所处特征空间的可跟踪性进行量化评估,选用性能最优的表达模型作为当前的特征跟踪模型。实验表明,与采用静态模型相比,提出的算法具有更好的鲁棒性和可行性。

经典的Mean-Shift算法要求目标在连续两帧之间部分的重合,在目标发生遮挡时难以满足该条件。该论文将目标的运动在较短时间内看作一时不变系统,通过引入Kalman滤波进行参数辨识而使发生遮挡后的跟踪系统具有后续状态预测的能力。整个跟踪过程分为Mean-Shift跟踪下的Kalman参数辨识和基于Kalman状态估计的Bhattacharyya系数分析两个子过程交替执行。对不同的视频序列测试的结果表明,算法能够对发生遮挡后的目标进行持续、稳健的跟踪。

4)在粒子滤波跟踪框架下提出一种多线索融合方法在复杂的动态背景下,采用多线索进行目标跟踪可以提高系统的鲁棒性。论文在注意到不同特征具有不同的鉴别性能的基础上,从分析采样粒子和参考样本的特征空间距离和物理距离之间的关系出发,提出相对鉴别系数这一概念对不同特征间的鉴别性能进行描述,进而采用二次加权的方法对不同特征进行融合。实验结果表明,所提出的算法在多个复杂场景下均能够对目标进行准确、鲁棒的跟踪。

5)提出一种基于周期运动分析的人体运动识别方法人体运动识别是视频监控的最终研究目标之一,论文对此提出一种基于周期运动分析的人体运动识别方法。该方法首先通过背景抽耿获取人体的前景图像,并采用3个参数对人体的轮廓变化进行测量,以获取人体运动的周期。然后将人体图像投影到一个低维的特征空间中,此时同一周期所包含的特征点组成一个封闭的环。最后设计了一种特征距离函数求取不同的运动环之间的距离,对不同的运动进行分类识别。

上述的几个创新点,按照在视频监控任务中所处的层次,由低到高有机连接,为视频监控技术的实用化提供了理论支持。

本文链接:doc.guandang.net授权使用:西南科技大学(xnkjdx),授权号:fb642e3b-5b6a-4877-bdd4-9de400f05c36

下载时间:2010年9月1日

上一页第6页

你可能喜欢

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email