基于低通滤波的高机动性视频目标跟踪毕业论文--171825149

《基于低通滤波的高机动性视频目标跟踪毕业论文--171825149》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、编号：　　　本科毕业设计（论文）题目：（中文）基于低通滤波的高机动性视频目标跟踪（英文）EnhancedLowpassFilterBasedVidePredictiveTrackingforTargetwithHighMobility摘要【摘要】在预测目标移动状态过程中，应用滤波法是常用的技术手段。在众多预测技术当中，人们常常使用卡尔曼滤波器来跟踪目标在运动情况下的轨迹。然而，卡尔曼滤波仍存在一些缺点：用来预测轨迹时尚缺乏精确度，为了解决这个问题，文中推荐另一种传统滤波——低通滤波。在文中使用过程中还要考虑目标所在的运动状态。基于这种情况，则需要在级数中加入

2、线性项和惯性项算法，这两种算法分别代表高机性和非高机性两种状况。为了证明低通滤波的实用性，在预测中融入卡尔曼滤波共同对目标检测跟踪，实验表明在预测轨迹跟踪质量中，所建议的低通滤波对预测轨迹具有很好的效果比卡尔曼滤波更加有预测能力，从而证明了它的可行性。【关键词】低通滤波；跟踪质量；卡尔曼滤波；高机动性；预测轨迹EnhancedLowpassFilterBasedVideoPredictiveTrackingforTargetwithHighMobilityAbstract【ABSTRACT】Intheprocessofpredictingthestateof

3、thetargetmobile,applicationmethodoffilteringiscommonlyusedtechniques.Amongthemanyforecastingtechniques,peopleoftenusetheKalmanfiltertotrackthetrajectoryofthetargetinthemovement.However,Kalmanfilteringstillhavesomedisadvantages:lackofprecisionforpredictingthetrajectorywhenthetargeti

4、smoving,inordertosolvethisproblem,anotherconventionalpaperfilterisrecommended-low-passfiltering.Intheprocessofusingthetargetsinthispaperwhichshouldalsobeconsideredwhenthetargetisinthestateofmotion.Basedonthissituation,youneedtoaddlinearandinertiaalgorithmsinseries,thesetwoalgorithm

5、srepresentahighmobilityandnon-mobility.Toprovetheutilityofthelow-passfiltering,Kalmanfilterhasbeenaddedintothejoinoftheforecastfortargetdetectionandtracking,trajectorytrackingexperimentsisshowingthatthequalityoftheprediction,theproposedlow-passfiltertopredictthetrajectoryhasabetter

6、effectthanKalmanfilteringpredictiveability,thustheprovingisfeasibility.【KEYWORDS】Lowpassfilter;Trackingquality;Kalmanfilter;Highmobility；Predictedtrajectory目录摘要IIEnhancedLowpassFilterBasedVideoPredictiveTrackingforTargetwithHighMobilityIIIAbstractIII目录IV1绪论11.1课题的背景11.2课题研究的意义和目的11

7、.3Matlab简介21.4论文的研究内容32高机动性目标识别与跟踪42.1低通滤波原理42.2低通滤波的算法42.3图像的处理62.4图像分析62.5低通滤波的预测跟踪73卡尔曼滤波预测跟踪113.1卡尔曼滤波的介绍113.2卡尔曼滤波预测原113.3低通滤波与卡尔曼滤波比较154结论184.1实验的流程图184.2程序运行结果194.3最终分析及结论20总结与展望21参考文献22致谢23附录241绪论1.1课题的背景在十几年来,科学技术快速发展中，计算机对数据分析和存储数据的功能得到很大提升，分析运算成本大幅降低，给视频对象的跟踪技术创造了良好条件。因此

8、，一些研究者开始专注于相关视频跟踪方面的研究[1]。