| 题名 | 基于MeanShift的视频目标跟踪算法研究 |
| 作者 | 郑建 |
| 答辩日期 | 2018 |
| 导师 | 李睿 |
| 关键词 | 目标跟踪 MeaShift算法 颜色特征 SURF特征点 尺度与方向 位置预测 |
| 学位名称 | 硕士 |
| 英文摘要 | 视频目标跟踪是计算机视觉领域的重要热点研究方向之一,它在军事领域和民用领域都具有较高的实用价值,例如:成像制导、智能交通、智能监控、人机交互、医学诊断等。因此,引起了国内外学者对目标跟踪的深入研究,提出了不少相关的算法,其中,基于Mean Shift的目标跟踪算法,是一种无参密度估计方法,由于该算法具有计算简单、易理解、能满足实时性跟踪等优点,成为视频目标跟踪领域研究的热点算法,但是,该算法存在两个严重的缺陷,一是,使用单一颜色特征描述目标,当目标受相似颜色目标的干扰时,容易丢失目标或误跟目标;二是,核函数带宽固定,当目标的大小和运动方向发生变化时,无法实现目标尺度和方向的自适应跟踪。为了弥补算法的缺陷,提高跟踪精度,本文提出了有效的解决方案,主要研究内容如下:(1)针对算法易受颜色干扰的缺陷,使用颜色不敏感的SURF特征与颜色特征共同作为目标匹配的特征,当匹配过程中受相似颜色目标干扰时,利用SURF特征排除干扰,实验数据表明,引入SURF特征改进的算法能克服相似颜色目标的干扰,提高了算法的跟踪准确性。(2)SURF特征点具有尺度旋转不变性,针对算法无法实现目标尺度和方向自适应跟踪的缺陷,依据特征点的尺度、方向的变化和目标实际的尺度、方向的变化之间的关系,实现跟踪框自适应调整,实验表明,改进的算法能够实现目标尺度和方向的自适应跟踪。(3)为了保证算法的实时性跟踪,通过融合三帧差法、最近邻法,结合目标的方向参数,提出了一种目标位置预测方法,在视频帧中,首先使用预测方法对目标的位置进行初步定位,然后再使用Mean Shift算法进行迭代计算确定目标的真实位置,实验表明,引入预测方法改进的算法降低了迭代次数,减少了算法的计算量,降低了时间消耗,保证了算法的实时性跟踪。 |
| 语种 | 中文 |
| 页码 | 64 |
| URL标识 | 查看原文 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/94149]  |
| 专题 | 兰州理工大学 |
| 作者单位 | 兰州理工大学 |
| 推荐引用方式 GB/T 7714 | 郑建. 基于MeanShift的视频目标跟踪算法研究[D]. 2018. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论