欢迎来到天天文库
浏览记录
ID:35070273
大小:3.56 MB
页数:54页
时间:2019-03-17
《基于视频的行人跟踪算法研究》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、分类号:TP391单位代码:10183研究生学号:2013532126密级:公开吉林大学硕士学位论文(学术学位)基于视频的行人跟踪算法研究ResearchonVideo-basedPedestrianTracking作者姓名:吴琼专业:计算机应用技术研究方向:图像处理与虚拟现实指导教师:钟慧湘教授培养单位:计算机科学与技术学院2016年5月基于视频的行人跟踪算法研究-ResearchonVirainideobasedPedestranTckg作者姓名;吴琼专业名称;计算机应用技术指导教师;钟慧湘教授学位类别:工学硕±^答辩日期:亦日|^年月2中未经本论
2、文作者的书面授权,依法收存和保管本论文书面版本、电子版本的任何单位和个人,巧不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用(但纯学术性使用不在此限)。否则,应承担侵权的法律责任。吉林大学硕±学位论文原创性声明本人郑重声明:所呈交的硕±学位论文,是本人在指导教师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究。做出重要贡献術个人和集体,均己在文中明确方式标明本人完全意识到本声明的法律结果由本人承担。、学
3、位论文作者签名:可魁曰期;年^月曰摘要摘要基于视频的行人跟踪算法研究目标跟踪在很多领域都得到了广泛地应用,例如:视频监控、人机交互、虚拟现实等。为了能够对目标的位置和相关信息进行识别,将图像处理与计算机视觉等技术结合在一起,进而处理视频图像序列,并加以分析。随着科学技术的发展,目标跟踪技术也在不断完善,其应用领域也在迅速扩展。本文主要介绍了两种常见的跟踪算法,即粒子滤波算法和CamShift跟踪算法,首先对算法进行了深入的研究,然后针对存在的问题进行了相应的改进。为了解决行人发生严重遮挡的问题,本文提出了一种基于混合粒子滤波的行人跟踪算法,即在粒子滤波算法中加入Kalman滤波预测
4、,在正常跟踪的情况下,利用粒子滤波算法进行行人跟踪,当行人发生一定的遮挡时,利用Kalman滤波算法对行人的运动信息进行预测和更新,从而实现在遮挡条件下对行人的准确跟踪。通过实验证明了在行人被严重遮挡时,相对传统的粒子滤波算法,基于混合粒子滤波的跟踪算法能够实现对行人更准确地跟踪。但是视频中行人目标所处的环境是复杂多变的,针对相似颜色背景和遮挡的问题,本文提出了一种新的算法,即利用颜色信息加权和自适应阈值筛选方法改进CamShift算法,再将改进后的CamShift算法与Kalman滤波算法相结合对行人进行有效地跟踪。颜色信息加权是将目标HSV颜色空间模型的H分量和S分量分别求其反向投影
5、再进行加权处理,使得搜索窗口中包含了更多的目标信息,减少了相似颜色背景的干扰。自适应阈值筛选法是选取有用的像素点,使目标窗口始终保持适当大小,这样当有相似颜色背景干扰时,可以防止搜索窗口变得很大或者很小,有效地对目标进行跟踪。最后通过实验证明,在有相似颜色背景干扰的条件下,改进的CamShift算法比传统的CamShift算法跟踪的准确度更高,取得了较好的跟踪效果。同时,当行人目标发生遮挡时,相比传统的CamShift算法,改进的CamShift与Kalman相结合的算法能够实现对行人目标更准确、实时地跟踪。关键词:行人跟踪,粒子滤波,Kalman滤波,混合粒子滤波,CamShift,颜
6、色信息加权IAbstractAbstractResearchonVideo-basedPedestrianTrackingTargettrackinghasbeenwidelyusedinmanyfields,suchasvideosurveillance,humancomputerinteraction,orvirtualrealitytechnologyandsoon.Itistheuseofrelevanttechnologysuchasimageprocessingandcomputervisionforvideoimagesequenceprocessingandanalysi
7、s,andthenfindthelocationoftheobjectandrelatedinformation.Withthedevelopmentofscienceandtechnology,thetargettrackingtechnologyisconstantlyimproving,itsapplicationfieldisalsorapidlyexpanding.Thispapermainlyintroducestwoc
此文档下载收益归作者所有