基于时空视觉显著性特征的Mean Shift目标跟踪算法研究

《基于时空视觉显著性特征的Mean Shift目标跟踪算法研究》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：密级：UDC：编号：工学硕士学位论文基于时空视觉显著性特征的MeanShift目标跟踪算法研究硕士研究生：陈晗指导教师：毕晓君教授学科、专业：信息与通信工程论文主审人：王立国教授哈尔滨工程大学2018年3月分类号：密级：UDC：编号：工学硕士学位论文基于时空视觉显著性特征的MeanShift目标跟踪算法研究硕士研究生：陈晗指导教师：毕晓君教授学位级别：工学硕士学科、专业：信息与通信工程所在单位：信息与通信工程学院论文提交日期：2018年1月论文答辩日期：2018年3月学位授予单位：哈尔滨工程大学ClassifiedIndex

2、:U.D.C:ADissertationfortheDegreeofM.EngResearchofMeanShiftTargetTrackingAlgorithmBasedonSpatio-temporalVisualSaliencyFeaturesCandidate:ChenHanSupervisor:Prof.BiXiaojunAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:InformationandCommunicationEngineeringDateofSubm

3、ission:January,2018DateofOralExamination:March,2018University:HarbinEngineeringUniversity哈尔滨工程大学学位论文原创性声明本人郑重声明：本论文的所有工作，是在导师的指导下，由作者本人独立完成的。有关观点、方法、数据和文献的引用已在文中指出，并与参考文献相对应。除文中已注明引用的内容外，本论文不包含任何其他个人或集体已经公开发表的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者

4、（签字）：日期：年月日哈尔滨工程大学学位论文授权使用声明本人完全了解学校保护知识产权的有关规定，即研究生在校攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨工程大学有权保留并向国家有关部门或机构送交论文的复印件。本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本学位论文，可以公布论文的全部内容。同时本人保证毕业后结合学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈尔滨工程大学。涉密学位论文待解密后适用本声明。本论文（□在授予学位后即可□在授予学位12个月后

5、□解密后）由哈尔滨工程大学送交有关部门进行保存、汇编等。作者（签字）：导师（签字）：日期：年月日年月日摘要目标跟踪一直以来都是计算机视觉研究的热点问题，在国防军事、智能交通和生活安防等众多领域得到了广泛的应用。近年来，视觉显著性检测技术的研究取得了实质性的进展和突破，该项技术可以使图像处理过程更接近于人类的认知机制。目前，已有学者成功地将其引入目标跟踪过程，以提高跟踪算法的鲁棒性和准确率。但是，现有视觉显著性模型对复杂场景的检测效果欠佳，且不具有通用性。为了进一步提升跟踪算法的性能，本文先对目前性能较优的基于直方图对比度的显著性检测

6、模型（HC）进行改进，研究一种适用于目标跟踪任务的时空显著性检测模型，并将该模型引入基于MeanShift算法的目标跟踪方法中，提出一种基于时空视觉显著性特征的目标跟踪算法。具体研究内容包括以下两个方面。首先，针对基于直方图对比度的显著性检测模型在处理跟踪问题时不具有针对性，并且忽略了运动信息对显著性的贡献的问题，提出一种适用于目标跟踪任务的时空显著性检测模型。空间域上，通过引入SLIC超像素分割和目标位置先验信息，对HC模型进行改进，得到每帧图像上完整的显著目标；时域上，添加运动特征通道作为视觉注意的引导方式，结合帧差法和光流法检

7、测运动矢量场，利用运动熵和方向一致性特征对运动矢量的显著程度进行分析，进而构建时域显著性模型；最后，采用自适应加权的方式融合时、空域显著图，得到能适应不同情形跟踪任务的时空显著性检测模型。在标准数据集上的实验结果表明，相较于对比模型，本文提出的模型具有更好的鲁棒性，能够有效抑制扰动背景的干扰，并突出显著前景目标。其次，针对基于MeanShift的目标跟踪方法在目标与背景颜色相近或目标被遮挡情况下鲁棒性不强的问题，利用本文所提出的时空显著性检测模型对其进行改进，并引入收敛窗口的自适应调整策略以及Kalman滤波位置预测，提出一种基于时

8、空视觉显著性特征的MeanShift目标跟踪算法。本文算法能够充分发挥视觉显著性特征在光照变化、姿态变化等干扰环境下的不变性优势，进而提升跟踪的鲁棒性和精确度。实验结果表明，视觉显著性特征能够有效弥补颜色特征的不足，提高跟踪的鲁棒性，