首页> 中文学位 >面向遮挡及场景变换视频对象的自适应跟踪算法的研究与实现
【6h】

面向遮挡及场景变换视频对象的自适应跟踪算法的研究与实现

代理获取

目录

封面

声明

中文摘要

英文摘要

目录

Contents

1 绪 论

1.1 课题背景和研究意义

1.2视频对象跟踪算法的研究现状

1.3 本文的研究目标和主要研究内容

2 KALMAN滤波及SURF特征点匹配算法

2.1 KALMAN滤波的理论基础

2.2 SURF算法的基本框架

2.3 KALMAN滤波及SURF算法的相关应用

2.4 小 结

3基于KALMAN滤波的跟踪算法实现

3.1前景运动物体检测

3.2 遮挡及场景变换情况下目标跟踪算法流程

3.3目标运动分析及参数初始化

3.4目标特征提取及模板自适应更新

3.5实验与分析

3.6小结

4基于SURF特征点匹配的遮挡及场景变换情况下目标跟踪处理

4.1遮挡关系建模

4.2场景变换情况下的目标跟踪

4.3实验与分析

4.4小结

5 智能视频跟踪系统设计

5.1 智能视频监控领域现状

5.2 系统设计方法概述

5.3 系统详细设计

5.4 小结

6 总结与展望

6.1论文工作总结

6.2 未来工作展望

参考文献

攻读硕士学位期间的主要成果

致谢

展开▼

摘要

与传统的视频监控技术相比,智能视频监控系统可以独立完成视频内容的分析工作,并对分析结果做出相应处理。智能视频监控技术涉及计算机视觉、模式识别、视频图像处理和人工智能等多个领域,其研究的主要内容包括:运动物体检测、目标对象跟踪、身份识别和行为识别等。视频对象的跟踪处理是智能视频监控领域里的关键技术,是身份识别和行为识别的前提。目前复杂情况下的目标跟踪问题,如遮挡和场景变换,是国内外研究的热点和难点。本文针对遮挡和场景变换这两种特殊情况进行了较为深入的研究。主要工作如下:
  首先介绍了目前视频对象跟踪算法的研究现状,并对Kalman滤波和SURF特征匹配算法的理论知识和应用进行了简单介绍。
  其次,本文提出了一种基于Kalman滤波器的自适应更新模板信息的跟踪算法。该算法在进行目标跟踪时,根据目标对象的轮廓变化情况自适应地更新并保存模板图像,为后续阶段的匹配处理提供了丰富特征信息,其效果要优于固定模式的匹配方法。
  然后,针对遮挡及场景变换情况下的目标跟踪问题,本文提出了一种基于SURF特征匹配的处理遮挡及场景变换情况下目标跟踪问题的算法。首先,本文对遮挡关系进行分析建模。当遮挡发生时,Kalman滤波器预测失败,算法转入遮挡机制。系统在对模板和视频图像间匹配的SURF特征点进行筛选后,利用正确匹配的特征点得到模板和视频图像间的映射关系,从而得到目标对象的近似位置。当遮挡结束时,重新启动Kalman滤波器对目标进行跟踪处理。当场景发生变换时,系统利用前一场景保存的模板信息进行目标搜索匹配;一旦目标出现在场景中,系统就会快速识别该物体并进行跟踪。实验结果表明本文提出的方法较为有效地解决了遮挡和场景变换情况下的对象跟踪问题。
  最后,在本文提出的基于Kalman滤波和SURF特征匹配跟踪算法的基础上,本文设计并实现了一个针对车辆跟踪的智能视频监控系统。当发生交通事故或其他道路违法行为时,系统可以在不同场景中快速识别并跟踪目标车辆,从而提高了交通部门的工作效率。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号