题名 | Mean Shift算法在目标跟踪领域的应用研究 |
作者 | 徐莹 |
答辩日期 | 2007-02-01 |
文献子类 | 硕士 |
授予单位 | 中国科学院长春光学精密机械与物理所 |
授予地点 | 长春光学精密机械与物理所 |
导师 | 王延杰 |
关键词 | 跟踪 Mean Shift 算法 Kalman滤波 模型更新 |
其他题名 | The Research on Mean Shift Arithmetic In the Field of Object Tracking |
学位专业 | 机械电子工程 |
英文摘要 | 近些年来,目标跟踪技术已成为计算机视觉领域的核心课题之一,具有十分重要的意义和广泛的实用价值。它融合了图像处理、模式识别、人工智能以及计算机应用等相关领域的先进技术和研究成果。目标跟踪的实质是从图像序列中确定每帧目标的位置信息,难点在于复杂环境下目标的快速匹配与跟踪。其中,跟踪过程中的遮挡现象,越来越成为制约跟踪算法实用性的关键因素。如何解决运动目标跟踪过程中的遮挡问题是本文的研究重点。在图像的许多特征中,图像灰度直方图具有较好的稳定性。本文使用核密度函数对灰度直方图进行估计,以灰度直方图作为目标模型,同时,使用具有非参数、局部迭代功能的Mean Shift 算法,实时跟踪目标位置。由于光照变化、背景干扰、阴影、摄像机的抖动以及运动目标之间遮挡等现象的存在,给运动目标的正确跟踪带来了极大的困难。因此,为了能够达到更精确的跟踪,势必要进行目标模型更新。本文使用Kalman滤波对目标核密度灰度直方图进行预测,根据系统状态方程和观测方程,按概率统计和优化的原理对系统的状态或参数做出估计。为防止使用Kalman滤波对每帧目标模型更新可能带来模型过更新的情况,本文提出了以预测模型和观测模型之间的滤波残余量为样本,对滤波残余量均值做t假设检验,以假设检验的结果作为目标模型是否更新的依据。本论文在研究了Mean Shift跟踪算法的基础上,将Kalman滤波对目标模型的预测估计和Mean Shift跟踪算法有机的结合在一起,同时,将Kalman滤波的应用推广到目标模型更新上,提出了一种新的自动更新目标模型策略,结合滤波残余量的假设检验,对是否更新目标模型进行判断,给出了具体实现方案。大量实验证明,该算法具有良好的抗遮挡性和鲁棒性,计算量小,跟踪时间短,能够实现目标实时跟踪,具有更广泛的使用范围。 |
语种 | 中文 |
公开日期 | 2012-03-21 |
页码 | 57 |
内容类型 | 学位论文 |
源URL | [http://159.226.165.120//handle/181722/547] ![]() |
专题 | 长春光学精密机械与物理研究所_中科院长春光机所知识产出 |
推荐引用方式 GB/T 7714 | 徐莹. Mean Shift算法在目标跟踪领域的应用研究[D]. 长春光学精密机械与物理所. 中国科学院长春光学精密机械与物理所. 2007. |
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