欢迎来到天天文库
浏览记录
ID:35096804
大小:5.88 MB
页数:90页
时间:2019-03-17
《融合camshift和粒子滤波算法的云台目标跟踪系统设计》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、硕士学位论文融合Camshift和粒子滤波算法的云台目标跟踪系统设计作者姓名陈杏源学科专业模式识别与智能系统指导教师裴海龙教授所在学院自动化科学与工程学院论文提交日期2016年4月DesignofPan-tiltTargetTrackingSystembymeansofFusionCamshiftandParticleFilterAlgorithmADissertationSubmittedfortheDegreeofMasterCandidate:ChenXingyuanSupervisor:Prof.PeiHailongSouthChinaUniversityof
2、TechnologyGuangzhou,China分类号:TP273学校代号:10561学号:201320112613华南理工大学硕士学位论文融合CamShift和粒子滤波算法的云台目标跟踪系统设计作者姓名:陈杏源指导教师姓名、职称:裴海龙教授申请学位级别:硕士学科专业名称:模式识别与智能系统研究方向:嵌入式,机器视觉论文提交日期:2016年4月26日论文答辩日期2016年6月7日学位授予单位:华南理工大学学位授予日期:年月日答辩委员会成员:主席:葛琳委员:裴海龙魏武谢巍娄全胜f淑大学学位论文原创性声明军人寄重声明:所呈交的论文是本人在导师的指导下独立进行
3、研究所至巧装吞耗成果。除了丈中特别加y标注引用的内容外,本论文不包含任何辜當个人或集体已经发衷或撰写的成果作品。对本文的研究做出重要贡献人巧臭体,均已在文中明确方式标明。本人完全意识到本声明的法律云丢直丰人承担。、电臺¥名:巧亦聲日期;的峰6月J曰学位论文版权使用授权书本章位论文作者完全了解学校有关保留、使用学位论文的规定,目P:研^在巧巧读学位期间论文工作的知识产权单位属华南理工大学。学校有晏专与耳巧国家有关部n或机构送交论文的复印件和电子版,允许学位论:;王¥置-专謀在保密期内的保密论文外);学校可臥公布学位论义的全部或
4、Ig号巧專,巧W允许采用影印、缩印或其它复制手段保存、汇编学位论文。室人韋宁:增的内容和纸质论文的内容相一致。本学位论文属于:亡悍密,在年解密后适用本授权书。^保密与4,同意在校园网上发布,供校内师生和与学校有共享协议£韋控巧览;同意将本人学位论义提交中国学术期刊(光盘版)电子杂志社全1:::^香巧编入CNKI《中国知识资源总库》,传播学位论文的全部或部分内""(请在肚相应方框内打V)八!關:W着寻教师签名:苗與-■日期:如長SI摘要基于视觉的目标跟踪是近年来的研究热点之一,其在智能监控、智能人机交互、军事侦
5、察、虚拟现实和航空拍摄等领域,具有很重要的应用。然而,在实际应用中,目标跟踪系统普遍存在实时性差、容易受干扰影响等问题,这一直制约其在嵌入式系统中的广泛运用,因此,提高目标跟踪系统的鲁棒性和实时性是亟待解决的问题。为此本文开展了以下研究工作:(1)设计与实现了基于视觉的云台目标跟踪系统,该系统通过安装在云台上的摄像头,获取目标在图像中的位置信息并发送给云台,云台再通过位置反馈,使目标保持在图像中心,实现目标的实时跟踪。(2)为了提高目标跟踪系统的实时性和鲁棒性,本文提出了融合Camshift和粒子滤波算法的目标跟踪策略。该策略以目标特征与候选目标特征的巴氏距离作为判断
6、依据,当巴氏距离小于设定阈值,利用时耗小的Camshift算法进行目标跟踪以保证系统的实时性;当巴氏距离大于设定阈值,则判定为误跟踪,改用粒子滤波算法,利用其全局最优策略使系统在误跟踪时实现自我恢复,提高了系统的鲁棒性。(3)为了降低图像传感器的观测噪声及其对反馈控制系统造成的时延,本文利用卡尔曼算法融合系统姿态传感器的角速度值,对目标位置值进行最优滤波预测,有效减少了云台跟踪的动态偏差,提高了系统跟踪的准确性,使系统达到更好的跟踪效果。此外,本文对基于视觉的云台目标跟踪系统进行了联合调试,实验的结果表明了融合Camshift和粒子滤波算法的目标跟踪策略和卡尔曼滤波器
7、的应用有效地提高了系统跟踪的快速性和准确性;在多组抗干扰和跟踪快速运动目标的实验中,实现了对运动物体快速、准确及稳定的跟踪,在摄像头距离目标垂直距离1.8m时,能稳定地跟踪上线速度为1.25m/s的物体,体现了该系统在快速运动物体跟踪方面的优越性。关键词:云台跟踪;Camshift;粒子滤波;卡尔曼滤波IAbstractTargettrackingbasedoncomputervisionisoneofthehotspotresearchissuesinrecentyears.Inanumberoffields,suchassmartsurveill
此文档下载收益归作者所有