毕业设计（论文）-基于视频的运动物体的识别与跟踪

《毕业设计（论文）-基于视频的运动物体的识别与跟踪》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、编号毕业设计题目基于视频的物体识别与跟踪学生姓名学号学院专业班级指导教师二〇一七年六月本科毕业设计（论文）诚信承诺书本人郑重声明：所呈交的毕业设计（论文）（题目：基于视频的物体识别与跟踪）是本人在导师的指导下独立进行研究所取得的成果。尽本人所知，除了毕业设计（论文）中特别加以标注引用的内容外，本毕业设计（论文）不包含任何其他个人或集体已经发表或撰写的成果作品。作者签名：年月日（学号）：基于视频的物体识别与跟踪摘要本文以高速路上的运动车辆为例，研究基于视频的物体的识别与跟踪。本文所使用算法均以C++语言在visualstudio2015平台上实现，并以开源OpenCV为依托，简化

2、了程序的代码书写。本文首先使用Gloyer方法完成了背景建模，并在此基础上使用光流法进行运动车辆的识别与跟踪。具体地，使用Shi-Tomasi算法进行特征点检测，并使用金字塔LK算法实现特征点的跟踪。对于Shi-Tomasi算法和金字塔LK算法中的具体参数选择，本文采用了理论分析和实验检测相结合的方法，获得了适用于本文的各参数值。最后，本文对多个视频帧中的信息进行统计分析，获得了由多个特征点对应到同一车辆的各阈值的具体数值。经实验，这些阈值数值适应于本文视频，并且获得了较好的识别跟踪效果，可以以较高的正确率返回视频中所有车辆的实时运动速度和位置信息。关键词：Shi-Tomasi

3、算法，金字塔LK算法，多特征，阈值选取-33-Video-basedobjectrecognitionandtrackingAbstractInthispaper,Iusethemovingvehiclesonthehighwayasanexampleandstudytherecognitionandtrackingofmovingobjectsbasedonvideos.ThealgorithmsusedinthispaperarebasedonC++languageinthevisualstudio2015platformwiththebasementofopensourc

4、ecodesOpenCVinordertosimplifytheprogramcodewriting.Inthispaper,firstly,IusetheGloyermethodtocompletethebackgroundmodeling.ThenImaketheuseofopticalflowmethodfortheidentificationandtrackingofmovingvehicles.Specifically,theShi-TomasialgorithmisusedtodetectthefeaturepointswhilethepyramidLKalgori

5、thmisusedtotrackthefeaturepoints.ForthechoiceoftheparametersofShi-TomasialgorithmandthepyramidLKalgorithm,thispaperusesacombinationoftheoreticalanalysisandexperimentaltesting.Finally,thispaperanalyzestheinformationinmultiplevideoframesandsuccessfullyachievesthespecificvaluesofthethresholdswh

6、ichareusedtodistinguishthemultiplefeaturespointsthatbelongstothesamecar.Experimentsshowthatthesevaluesofthethresholdsareadaptedtothevideousedinthispaperandhaveagoodrecognitionandtrackingeffect.Theycanreturnthereal-timevelocityandpositioninformationofallthevehiclesshowedinthevideowithhighmatc

7、hingrate.KeyWords：Shi-Tomasialgorithm;pyramidLKalgorithm;multiplefeatures;choiceofthresholds-33-目录摘要iAbstractⅱ第一章引言11.1本课题研究的背景和意义11.2常用研究方法21.2.1常用识别算法21.2.2常用跟踪算法31.3论文的主要内容和组织结构4第二章背景建模52.1均值法52.2动态均值法52.3单高斯背景建模法62.4自适应背景建模法62.5Gloyer方法72.6本章小结