基于机器学习的运动目标识别与跟踪技术研究

基于机器学习的运动目标识别与跟踪技术研究

ID:35181297

大小:6.12 MB

页数:75页

时间:2019-03-21

基于机器学习的运动目标识别与跟踪技术研究_第1页
基于机器学习的运动目标识别与跟踪技术研究_第2页
基于机器学习的运动目标识别与跟踪技术研究_第3页
基于机器学习的运动目标识别与跟踪技术研究_第4页
基于机器学习的运动目标识别与跟踪技术研究_第5页
资源描述:

《基于机器学习的运动目标识别与跟踪技术研究》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、'>品;;?是巧:v.;";:诚‘禱';I''''--'正读r;V、.蹲,,。苹韩豁沪V、-朽'非耗?—、V:一巧龄护中r■叶。-:乎萬'V密级::-一■'JV:.對车:.'’;-.''己'V/货犯弘.-J'r無想歌古'1'1'.、,:-于J?r',,..中画科学院乂学@UniversityofChineseAcademofSciencesy参听:議硕±学位论文屬義I’、'.:-.^.拓;足;:皆巧;.;.才'*

2、b':.滿品巧、.輪屯-蝶與适资;骇记基于化器学习的运动目标巧别与跟踪巧术研究i■■.'■-*-a..;‘-.■■'.為?i'试、/^。r、‘、..、’兴-;古:\\扣鱗'如,巧::V作者姓名;获/:李帅營;--。*:.―'’’?_Vr、-V'‘躬/f’-诗指导教:.韩广良研究员一古才;V養卿/'中国科学晓长春光学精密机械与物理研究所-■学位类别±■:一^王稳硕,&mmM._Li.:学科专业:.机械王程V;.

3、.非'^V祥'';二.爭成进古,:V>培养单位国科学院长春光学精密机三中械与物理研究所占'^議款:議;義藻碍v4裝'‘‘‘'^'■.:L片^,爲^媒坑芋苗站樂乃中時..祷‘攀'’扣:'.V—.抹.,.暫替掉誠、囊款和皆矿J'巧带:..,載嗎峨讀獅.,,薄.'.’1.、马:-皆啦皆'^掉巧祭黨,讀辦挖,:;..讓;请聲皆1节户/把二轉''■^、'■*--?-?f-::Ar.t,7\\密级:硕士学位论文基于机器学习的运动目标识别与跟踪技术研究作者姓名:李帅指导教师:韩广良

4、研究员:中国科学院长春光学精密机械与物理研究所学位类别:工程硕士学科专业:机械工程培养单位:中国科学院长春光学精密机械与物理研究所2016年10月ResearchoftheTechniquesofMovingObjectIdentificationandTrackingBasedonMachineLearningByLiShuaiADissertationSubmittedtoGraduateUniversityofChineseAcademyofSciencesInpartialfulfillmentoftherequirementForthede

5、greeofMasterofEngineeringChangchunInstituteofOptics,FineMechanicsandPhysicsChineseAcademyofSciencesOctober,2016摘要基于机器学习的运动目标识别与跟踪技术研究李帅(机械工程)导师:韩广良研究员摘要智能视频监控技术是当今热门研究方向,广泛应用在交通视频监控、航天航空、机器人视觉、医学图像等诸多领域。很多学者对此课题研究已经做出大量的成果,但在实际应用中仍有一些问题有待解决。本文基于运动目标识别和跟踪技术展开研究,目的是实现更有实际应用意义和经济价

6、值的智能视频监控系统。本文的主要目标在于实现复杂背景下抗干扰抗遮挡的特定运动目标自动检测与实时跟踪一体化,首先通过目标检测算法提取运动目标,再用机器学习对目标进行识别,最后利用并行协同工作策略进行实时跟踪。主要包括三个方面的工作:运动目标检测方面,通过比较传统算法,提出一种基于码本算法和三帧差分法相结合的运动目标检测算法,利用码本算法对背景图像进行学习,再利用三帧差分法对视频图像进行目标提取,并采用Log边缘检测和连通域填充得到目标前景,将码本算法得到的目标前景与该前景对象进行逻辑“与”运算,得到前景运动目标。该方法可以完整高效地从复杂背景中提取出运

7、动目标,优化了运动目标检测的可靠性和准确度。运动目标识别方面,采用基于梯度方向直方图特征和支持向量机的行人和车辆分类识别方法。首先采集两类样本集,分别提取两类样本的Hog特征对SVM分类器进行训练,SVM通过对样本的学习找到特征向量样本中的支持向量,建立最优分类超平面。再将上述运动目标检测后得到的感兴趣区域作为测1中国科学院大学硕士学位论文:基于机器学习的运动目标识别与跟踪技术研究试样本,并提取它的Hog特征输入SVM,得到最终分类结果。运动目标跟踪方面,讨论了几种传统跟踪方法的基本原理,采用检测与跟踪并行协同化工作策略,将检测与跟踪分为两个线程同时

8、进行,在感知节点处进行数据传输,定时检测得到的目标信息传送给跟踪线程进行实时跟踪,定时的检测用来不断校正目标

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。