欢迎来到天天文库
浏览记录
ID:35178928
大小:5.14 MB
页数:76页
时间:2019-03-20
《基于kcf的视频中运动物体的跟踪系统》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、硕士学位论文基于KCF的视频中运动物体的跟踪系统学科专业电路与系统学位类型□√科学学位□专业学位研究生姓名李娟导师姓名、职称林俊副教授论文编号湖南师范大学学位评定委员会办公室二〇一六年四月分类号密级无学校代码10542学号基于KCF的视频中运动物体的跟踪系统TrackingSystemofMovingObjectinVideoBasedonKernerlizedCorrelationFilter研究生姓名李娟指导教师姓名、职称林俊副教授学科专业电路与系统研究方向图像处理与模式识别湖南师范大学学位评定委员会办公室二〇一六年四月湖南师范大学学位论文原创性声明
2、本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中己经注明引用的内容外,本论文不含任何其他个人或集体己经发表或撰写过的作品成果。对本文的^研究做出重要贡献的个人和集体,均臣在文中1乂明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签4,会年^月^曰湖南师范大学学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,研究生在校攻读学位期间论文王作的知识产权单位属湖南师范大学。同意学校保留并向国家有关部口或机构送交论文的复印件和电子版,
3、允许论文被查阅和借阅。本人授权湖南师范大学可LX将本学位论文的全部或部分内容编入有关数据库进行检索,可L乂采用影印、缩印或担描等复制手段保存和汇编本学位论文。本学位论文属于1、保密年解密后适用本授权书。^'曰^2、不保密""v/(请在LX上相应方框内巧)作者签名:^為曰期:年^月f百导师签名:曰期:?^年月曰><4居|?^摘要在背景运动的情况下,运动物体的检测和跟踪是智能视频领域研究的热点和难点之一。本文的研究对象是背景运动情况下视频中的单移动物体,采用图像预处理技术、运动目标物体的检测和跟踪技术对视频图像进行
4、处理,最终实现运动目标物体的跟踪。由于本课题研究对象的背景同时运动的特殊性,视频图像背景更加复杂,本文先对采集到的视频图像进行预处理。通过使用灰度变换与均衡、中值滤波去噪和数学形态学膨胀等处理技术改善图像视觉效果和图像质量。在整个跟踪系统的检测设计前,使用局部滤除的方法对预处理后的视频图像中不相干部分进行滤除,以减少后续检测和跟踪的作用区域。再之后对图像用三帧差分法建立背景模型的背景差分法进行运动目标物体检测。实验结果表明,此设计不受光线强度改变等自然条件的干扰,符合本课题的检测效果。在最后跟踪环节中,针对视频图像序列数量大,处理过程中计算量大等问题,设
5、计运动目标物体的跟踪算法时,对运动目标物体的跟踪采用运算量小、速度快的KCF算法,实验结果显示该算法的跟踪效果好、运算速度快。关键字:背景运动,局部滤除,三帧差分,背景差分,KCFIABSTRACTDetectingandtrackingmovingobjectsinthemovingbackgroundhasbeenahotpointinintelligentvideodomainforalongtime.Inthispaper,thesinglemovingobjectwiththemovingbackgroundinvideoswasdetecte
6、dandtrackedbytheimagepre-processingtechniqueandmovingobjectsdetectingandtrackingtechnique.Duetotheresearchinvolvingthesimultaneousmovementofobjectandbackground,thebackgroundofvideoiscomplexspecially,thepre-processingofcapturedvideoimageswasperformedfirstlyinthestudy.Thegreylevelt
7、ransformationandgrayequalizationwereusedtoimprovethevisualqualityofimages.Themedianfilterandmathematicalmorphologydilatationwereusedintheimagedenoising.Priortodesigningthemovingtargetdetectingandtrackingsystem,thelocalfilteringmethodwasemployedtoremovetheirrelevantpartofvideoimag
8、esforreducingthedetectingandtrackingfunc
此文档下载收益归作者所有