資源描述:
《基于立體視覺的運(yùn)動(dòng)目標(biāo)軌跡重建技術(shù)》由會(huì)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(kù)。
1、碩士學(xué)位論文基于立體視覺的運(yùn)動(dòng)目標(biāo)軌跡重建技術(shù)MOVINGTARGETTRAJECTORYRECONSTRUCTIONBASEDONSTEREOVISION趙海旭哈爾濱工業(yè)大學(xué)2016年6月國(guó)內(nèi)圖書分類號(hào):TP391.41學(xué)校代碼:10213國(guó)際圖書分類號(hào):004密級(jí):公開工學(xué)碩士學(xué)位論文基于立體視覺的運(yùn)動(dòng)目標(biāo)軌跡重建技術(shù)碩士研究生:趙海旭導(dǎo)師:范曉鵬教授申請(qǐng)學(xué)位:工學(xué)碩士學(xué)科:計(jì)算機(jī)科學(xué)與技術(shù)所在單位:計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院答辯日期:2016年6月授予學(xué)位單位:哈爾濱工業(yè)大學(xué)ClassifiedIndex:TP391.
2、41U.D.C:004DissertationfortheMasterDegreeinEngineeringMOVINGTARGETTRAJECTORYRECONSTRUCTIONBASEDONSTEREOVISIONCandidate:HaiXuZhaoSupervisor:Prof.XiaoPengFanAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:ComputerScienceandTechnologyAffiliation:SchoolofComp
3、uterScienceandTechnologyDateofDefence:June,2016Degree-Conferring-Institution:HarbinInstituteofTechnology摘要摘要視頻目標(biāo)的檢測(cè)跟蹤一直是計(jì)算機(jī)視覺領(lǐng)域研究的熱點(diǎn)和難點(diǎn)之一,在智能交通、機(jī)器人、人機(jī)接口、武器制導(dǎo)、工業(yè)控制、醫(yī)學(xué)治療等方面得到了越來(lái)越豐富的應(yīng)用。其目的是為了捕獲視頻中感興趣的目標(biāo),為后續(xù)的處理提供目標(biāo)位置和軌跡信息。本文探討了基于立體視覺原理的運(yùn)動(dòng)目標(biāo)軌跡的三維重建技術(shù)。首先利用改進(jìn)的ViBe運(yùn)動(dòng)目標(biāo)檢
4、測(cè)算法對(duì)圖像的顏色和深度信息建模,根據(jù)圖像顏色和深度的變化檢測(cè)出視頻中的運(yùn)動(dòng)目標(biāo),提取出精確的目標(biāo)圖像。隨后用改進(jìn)的KCF跟蹤方法跟蹤運(yùn)動(dòng)目標(biāo),在保持原算法對(duì)目標(biāo)的變化適應(yīng)性的同時(shí),針對(duì)目標(biāo)長(zhǎng)時(shí)間遮擋的情況做出了改進(jìn),使跟蹤過程更加穩(wěn)健,避免了跟蹤漂移的發(fā)生。最后基于立體視覺原理計(jì)算出目標(biāo)的三維空間位置,將計(jì)算出的軌跡點(diǎn)根據(jù)需要擬合成目標(biāo)軌跡。在運(yùn)動(dòng)目標(biāo)檢測(cè)階段,傳統(tǒng)的ViBE(VisualBackgroundExtractor)運(yùn)動(dòng)目標(biāo)檢測(cè)算法常常會(huì)產(chǎn)生一些人們不期望的前景區(qū)域,例如Ghost區(qū)域、目標(biāo)陰影、光照變化
5、等。本文提出了一種利用深度的相對(duì)變化模式來(lái)識(shí)別前景與背景的改進(jìn)ViBE檢測(cè)算法。首先利用圖像顏色與深度信息建立雙背景模型;隨后利用顏色背景模型檢測(cè)當(dāng)前幀內(nèi)可能的前景區(qū)域;最后引入深度背景模型識(shí)別前景區(qū)域中存在的虛假活動(dòng)前景,給出了背景區(qū)域、鬼影區(qū)域、陰影區(qū)域的背景模型更新方法。算法實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小,對(duì)于前景假目標(biāo)有較高的辨識(shí)能力,能夠同時(shí)消除多種錯(cuò)誤前景,并且對(duì)于深度圖像中的無(wú)效深度、噪聲等進(jìn)行了處理,可靠性大大提高。實(shí)驗(yàn)結(jié)果表明,本算法可以有效消除Ghost區(qū)域、目標(biāo)陰影、光照變化等情況,與ViBE算法相比平均檢測(cè)
6、精度上升了34.68%,在處理640*480的彩色圖像時(shí)運(yùn)行的平均FPS為34.96,完全能夠滿足實(shí)時(shí)處理的要求。在運(yùn)動(dòng)目標(biāo)跟蹤階段,傳統(tǒng)的KCF(KernelizedCorrelationFilter)目標(biāo)跟蹤算法在處理長(zhǎng)時(shí)間遮擋時(shí)會(huì)發(fā)生漂移。為了解決這個(gè)問題,本文提出了利用目標(biāo)區(qū)域深度分布信息識(shí)別目標(biāo)遮擋、動(dòng)態(tài)調(diào)節(jié)模型更新率以及合成訓(xùn)練集減少負(fù)樣本噪聲的改進(jìn)KCF算法。首先,根據(jù)目標(biāo)區(qū)域的深度分布情況計(jì)算目標(biāo)遮擋率;隨后利用目標(biāo)遮擋率調(diào)節(jié)模型更新率,使目標(biāo)在發(fā)生遮擋時(shí)適當(dāng)降低模型更新率;最后在目標(biāo)發(fā)生遮擋時(shí)利用遮擋
7、MASK合成目標(biāo)訓(xùn)練集,使跟蹤模型向目標(biāo)逼近。經(jīng)過處理,改進(jìn)的KCF算法有效地減少了負(fù)樣本噪聲,保持了跟蹤器對(duì)目標(biāo)的穩(wěn)定跟蹤,能夠適應(yīng)目標(biāo)長(zhǎng)時(shí)間遮擋的情況。-I-摘要最后介紹了針對(duì)清晰和模糊目標(biāo)的軌跡重建技術(shù),對(duì)于清晰目標(biāo),利用目標(biāo)特征點(diǎn)和區(qū)域匹配相結(jié)合的圖像自動(dòng)匹配技術(shù),精細(xì)重建目標(biāo)上的點(diǎn),用目標(biāo)點(diǎn)坐標(biāo)計(jì)算目標(biāo)質(zhì)心,得到目標(biāo)空間位置。對(duì)于運(yùn)動(dòng)模糊目標(biāo),針對(duì)雙目視頻中左右視圖的運(yùn)動(dòng)目標(biāo)不同步的問題,提出了利用軌跡插值的方法解決運(yùn)動(dòng)目標(biāo)匹配的問題。運(yùn)用方向微分方法求出瞬時(shí)目標(biāo)運(yùn)動(dòng)方向,基于目標(biāo)瞬時(shí)運(yùn)動(dòng)方向的導(dǎo)數(shù)與質(zhì)心位置
8、信息,利用Hermite插值方法得出方向?qū)?shù)和位置信息逼近真值的質(zhì)心軌跡,每一對(duì)同步幀產(chǎn)生插值的空間軌跡點(diǎn)。為提高軌跡重建的準(zhǔn)確度,減少測(cè)量過程中的隨機(jī)誤差,探討了采用針對(duì)同一目標(biāo)多角度測(cè)量的方法來(lái)提升精度。最后,將不同時(shí)刻得到的目標(biāo)位置信息,利用非線性曲線擬合技術(shù)得到目標(biāo)運(yùn)動(dòng)軌跡。關(guān)鍵詞:立體視覺;目標(biāo)檢測(cè);目標(biāo)跟蹤;軌跡重建;