資源描述：
《視頻圖像序列中目標(biāo)跟蹤關(guān)鍵技術(shù)研究》由會(huì)員上傳分享，免費(fèi)在線(xiàn)閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、萬(wàn)方數(shù)據(jù)視頻圖像序列中目標(biāo)跟蹤關(guān)鍵技術(shù)研究研究生姓名：鄒漫鑒導(dǎo)師姓名：奎壹麴授申請(qǐng)學(xué)位類(lèi)別王堂盟±論文提交日期2Q】璺生壘旦至Q旦學(xué)科專(zhuān)業(yè)名稱(chēng)撞劍塑途皇控劍蘭猩答辯委員會(huì)主席壑云學(xué)位授予單位塞畝太堂論文答辯日期2Q!壘生!Q旦!Q旦學(xué)位授予日期至Q生旦目評(píng)閱人2014年10月日萬(wàn)方數(shù)據(jù)RESEARCHONKEYTECHNOLOGYOFOBJECTTRACKINGINSEQUENCEIMAGESADissertationSubmittedtoSoutheastUniversityFortheAcadem
2、icDegreeofDoctorofEngineeringScienceByZOUWenlinSupervisedbyProf．LIQiProf．FEIShu—rainSchoolofAutomationSoutheastUniversityOctober2014眥2一刪恰一帆8一吣5一嬲一萬(wàn)方數(shù)據(jù)東南大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明本人聲明所呈交的畢業(yè)論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不包含為獲
3、得東南大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說(shuō)明并表示了謝意。研究生簽名：日期：絲』絲，坦!19東南大學(xué)學(xué)位論文使用授權(quán)聲明東南大學(xué)、中國(guó)科學(xué)技術(shù)信息研究所、國(guó)家圖書(shū)館有權(quán)保留本人所送交畢業(yè)論文的復(fù)印件和電子文檔，可以采用影印、縮印或其他復(fù)制手段保存論文。本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。除在保密期內(nèi)的保密論文外，允許論文被查閱和借閱，可以公布(包括以電子信息形式刊登)論文的全部?jī)?nèi)容或中、英文摘要等部分內(nèi)容。論文的公布(包括
4、以電子信息形式刊登)授權(quán)東南大學(xué)研究生院辦理。研究生躲鯉建雄導(dǎo)師魏塞竺塑日期．W，牛、’0／．／’穢日期：W‘甲、’∥萬(wàn)方數(shù)據(jù)摘要視頻運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)，作為計(jì)算機(jī)視覺(jué)研究領(lǐng)域的核心課題之一，融合了圖像處理、模式識(shí)別、人工智能、自動(dòng)控制以及計(jì)算機(jī)等若干領(lǐng)域的先進(jìn)技術(shù)，并在軍事制導(dǎo)、視頻監(jiān)控、機(jī)器人導(dǎo)航、人機(jī)交互等方面都有很廣泛的應(yīng)用。視頻運(yùn)動(dòng)目標(biāo)跟蹤研究的目的是模擬人類(lèi)視覺(jué)運(yùn)動(dòng)感知功能，賦予機(jī)器持續(xù)捕捉視頻序列圖像中運(yùn)動(dòng)目標(biāo)的能力，為視頻分析和理解提供重要的數(shù)據(jù)依據(jù)。魯棒的目標(biāo)跟蹤算法主要包括高效有鑒別
5、力的目標(biāo)表征和有效的目標(biāo)定位推斷框架兩部分內(nèi)容。而高效有鑒別力的目標(biāo)表征是進(jìn)行有效目標(biāo)觀測(cè)的和定位的基礎(chǔ)，因此本文的研究工作主要是研究目標(biāo)本質(zhì)特征，針對(duì)復(fù)雜場(chǎng)景中遮擋、相似目標(biāo)干擾和目標(biāo)外觀變化等對(duì)目標(biāo)的高效表征需求，提出了有效描述方法以及相應(yīng)的算法，并通過(guò)仿真驗(yàn)證了，在多種復(fù)雜場(chǎng)景下，本文所提跟蹤算法的有效性。具體的研究工作包括：第一，提出了基于目標(biāo)區(qū)域分化的目標(biāo)跟蹤算法。從對(duì)目標(biāo)進(jìn)行結(jié)構(gòu)分解，以各部分之間的幾何關(guān)系確定目標(biāo)狀態(tài)的觀點(diǎn)出發(fā)，設(shè)計(jì)跟蹤算法。首先將目標(biāo)區(qū)域的顏色空間進(jìn)行非均勻量化，據(jù)此顏
6、色信息對(duì)目標(biāo)區(qū)域進(jìn)行分割；然后根據(jù)相鄰兩幀顏色質(zhì)心間的幾何關(guān)系確定目標(biāo)的尺度變化和旋轉(zhuǎn)角度；最后根據(jù)尺度變換和旋轉(zhuǎn)變換后各質(zhì)心的平移量確定目標(biāo)中心的平移量，從而實(shí)現(xiàn)目標(biāo)精確定位。仿真結(jié)果表明本文提出的基于目標(biāo)區(qū)域分化的跟蹤算法，在處理部分遮擋、目標(biāo)發(fā)生旋轉(zhuǎn)運(yùn)動(dòng)和尺度變化問(wèn)題時(shí)均有很好的效果。第二，提出基于顏色區(qū)域顯著度的目標(biāo)跟蹤算法。模擬人類(lèi)視覺(jué)注意機(jī)制，提出了顏色區(qū)域顯著度的概念，基于此概念對(duì)目標(biāo)按照顏色區(qū)域顯著度分割，利用選取的目標(biāo)高顯著度顏色區(qū)域的質(zhì)心點(diǎn)集合描述目標(biāo)。分以下幾步：首先利用相鄰兩幀
7、質(zhì)心點(diǎn)間距離與目標(biāo)尺度間關(guān)系估算目標(biāo)尺度，然后利用相鄰兩幀與對(duì)應(yīng)質(zhì)心點(diǎn)間的仿射變換關(guān)系建立二次規(guī)劃模型，最后通過(guò)求解二次規(guī)劃問(wèn)題確定目標(biāo)旋轉(zhuǎn)角度和平移量，實(shí)現(xiàn)目標(biāo)準(zhǔn)確定位。仿真結(jié)果表明本文提出的基于目標(biāo)區(qū)域分化的跟蹤算法，在處理目標(biāo)旋轉(zhuǎn)和尺度變化時(shí)均有很好的效果。第三，給出一種基于CWF特征的目標(biāo)跟蹤算法?；陧f伯定律，將WLD特征由灰度空間推廣到彩色空間，得到CWF特征。由于彩色空間比灰度空間包含更豐富的信息，因此CWF特征較WLD特征有更強(qiáng)的描述能力。CWF特征主要包括兩部分內(nèi)容：顏色差別激萬(wàn)方數(shù)
8、據(jù)東南大學(xué)博士學(xué)位論文勵(lì)和顏色邊緣方向，其中顏色差別激勵(lì)主要是模擬人類(lèi)知覺(jué)模式通過(guò)分層量化對(duì)比度來(lái)實(shí)現(xiàn)。目標(biāo)描述模型采用CWF直方圖模式表示，并結(jié)合高效的MeanShift算法實(shí)現(xiàn)跟蹤。仿真結(jié)果表明，基于CWF特征的目標(biāo)跟蹤算法對(duì)于短時(shí)遮擋、光照變化和相似物干擾等復(fù)雜情況下的跟蹤具有一定的魯棒性。第四，提出了基于TOF特征的尺度自適應(yīng)行人跟蹤方法?？紤]到圖像中行人目標(biāo)的邊緣特點(diǎn)，即以短的和細(xì)碎的豎直邊緣為主，本文將邊緣方向特征和TED特征融合在一起進(jìn)行編
