基于kalman預(yù)測器改進(jìn)的camshift目標(biāo)跟蹤

《基于kalman預(yù)測器改進(jìn)的camshift目標(biāo)跟蹤》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、學(xué)校代碼10530學(xué)號201330111703分類號TP391密級公開碩士學(xué)位論文基于Kalman預(yù)測器改進(jìn)的CamShift目標(biāo)跟蹤學(xué)位申請人龍濤指導(dǎo)教師石躍祥教授學(xué)院名稱信息工程學(xué)院學(xué)科專業(yè)信息與通信工程研究方向模式識別二○一六年五月二十八日TargettrackingwithimprovedCamshiftbasedonKalmanpredictorCandidateLongTaoSupervisorProf.ShiYuexiangCollegeCollegeofInformationscienceProgramInformationa

2、ndcommunicatingEngineeringSpecializationPatternRecognitionDegreeEngineeringMasterUniversityXiangtanUniversityDateJun.4th.2016湘潭大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的論文是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究所取得的研究成果。除了文中特別加Ｗ標(biāo)注引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。對本文的研究做出重要貢獻(xiàn)的個人和集體，均已在文中Ｗ明確方式標(biāo)明。本人完全意識到本聲明的

3、法律后果由本人承擔(dān)。：＇作者簽名日期；。（；年ｒ月；日名滿之！學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)湘潭大學(xué)可將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。ｒ月作者簽名：枉藏日期；心年＾日瓜作一導(dǎo)師簽名：日期；＾年ｒ則日摘要隨著計算機(jī)視覺在研究方面不斷的進(jìn)步，運(yùn)動目標(biāo)追蹤使用的范

4、疇也變得更為普遍，像圖像處理方面，模式識別，醫(yī)療診斷，安全監(jiān)測，智能交通等等。由于在我們現(xiàn)實(shí)生活中，我們的生存環(huán)境比較復(fù)雜，而且是多變的，使得現(xiàn)有的運(yùn)動目標(biāo)跟蹤技術(shù)極易被外界環(huán)境影響，例如受到來自各個階段噪聲，背景同色干擾，其他物體嚴(yán)重遮擋，光照強(qiáng)弱變化等等原因，實(shí)際應(yīng)用的算法也存在諸多問題與不足，因此研究一種能夠全方位被使用的目標(biāo)跟蹤方法具有很大前景，也是研究者的一項艱巨而富有挑戰(zhàn)的任務(wù)。本文首先闡述了運(yùn)動目標(biāo)檢驗的手段，并且對比了光流法，背景減除法，幀間差分法等幾種檢測手段的優(yōu)劣。在此基礎(chǔ)上，本文重點(diǎn)使用了一種將光流法與三幀差分法結(jié)合并改

5、進(jìn)的檢測方法，再對圖像作形態(tài)學(xué)處理，去掉處理過程中可能引入的噪聲，以及出現(xiàn)的空洞現(xiàn)象，使檢測的圖像更為平滑，實(shí)驗證明該方法能將檢測的準(zhǔn)確性提高，而且有效的防止了目標(biāo)漏檢的情況，因此能為后面的運(yùn)動物體追蹤給予來源。本文在研究運(yùn)動物體跟蹤時，著重分析了均值偏移（Meanshift）算法以及連續(xù)自適應(yīng)均值偏移算法（Camshift），并且做了詳細(xì)的推導(dǎo)以及優(yōu)缺點(diǎn)對比。根據(jù)以上方法的不足，提出了一種改進(jìn)的Camshift算法，將色彩，紋理，邊緣等特征融入上述方法中，并建立一定的特征權(quán)重或者貢獻(xiàn)機(jī)制，使得幾種特征融合的模板能夠?qū)⑺惴ㄗ赃m應(yīng)更新。在實(shí)時跟

6、蹤運(yùn)動目標(biāo)時，當(dāng)環(huán)境周圍估測發(fā)生變化，算法會自適應(yīng)的依據(jù)特征的貢獻(xiàn)度，為特征分配不一樣的權(quán)重，再利用直方圖來實(shí)現(xiàn)對目標(biāo)的實(shí)時跟蹤。在此基礎(chǔ)上，還針對在跟蹤時出現(xiàn)目標(biāo)嚴(yán)重遮擋或變形，亦或者是由于突然加速和同色干擾使得目標(biāo)被跟丟的情況，提出一種判斷物體是否被嚴(yán)重遮擋以及同色干擾的機(jī)制，結(jié)合kalman預(yù)估測來估計運(yùn)動物體下一幀將會出現(xiàn)的地方，再運(yùn)用改進(jìn)Camshift算法去搜索尋找目標(biāo)物體的中心。實(shí)驗表明該改進(jìn)的算法，使得跟蹤精度提高，時間縮短，滿足了實(shí)時性的要求。關(guān)鍵詞：目標(biāo)跟蹤；Camshift算法；特征融合；kalman預(yù)測IAbstrac

7、tWiththeprogressincomputervisionresearch,themovingtargettrackingwasusedbroadly,suchasimageprocessing,patternrecognition,medicaldiagnostics,securitymonitoring,intelligenttransportationandsoon.Inourlives,ourlivingenvironmentismorecomplexandeasilychanging,sothattheexistingmovi

8、ngtargettrackingtechnologycaneasilybeinfluencedoutside.Theoutsideinfluencemaybethe