2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、運動目標跟蹤是計算機視覺領域中的研究熱點之一,在人機交互、智能監(jiān)控、視頻編碼等領域具有重要的應用意義。在跟蹤過程中,目標特征的提取與匹配是關鍵技術,且需要具有一定的魯棒性能,才能為跟蹤的后續(xù)處理打下良好的基礎。
   傳統(tǒng)的一些目標跟蹤方法能較為準確的定位目標所在的區(qū)域,但在跟蹤非剛性目標時,由于目標在運動過程中會發(fā)生不同程度的形變,使用區(qū)域信息難以實現(xiàn)對目標特征的精確提取。基于可變形模型的方法能適應非剛性目標的形狀變化,在圖像

2、中準確的提取目標輪廓,應用于跟蹤時具有較好的精確性。其中具有代表性的是主動形狀模型方法(Active Shape Models,ASM),ASM方法能在適應目標形狀較多變化的同時保持目標的特異性,具有良好的魯棒性,可在較為復雜的環(huán)境中提取目標輪廓。本文研究了ASM方法在靜態(tài)目標輪廓提取方面的應用,并提出了一種將ASM應用于運動目標跟蹤的方法,主要工作如下:
   1)改進了ASM方法中的灰度模型。傳統(tǒng)ASM方法中的灰度模型包含了

3、部分背景的灰度信息,這使得當目標運動時,模型不能很好的適應目標附近背景的變化,從而導致匹配結果錯誤。針對這個問題,本文改進了傳統(tǒng)方法的灰度模型和搜索算法,剔除了對背景信息的建模,結合目標內部灰度信息和強邊緣特征搜索標志點的最佳匹配位置,提高了運動過程中輪廓提取的速度和精確性。
   2)提出了一種在線提取和更新灰度模型的建模機制。在運動目標跟蹤的應用中,圖像中目標的灰度信息難以事先獲得,而傳統(tǒng)ASM方法匹配效果的可靠性依賴于先驗

4、的灰度模型,這限制了其在運動目標跟蹤中的應用。本文提出了一種在線建立和更新灰度模型的機制,擺脫了對目標先驗信息的依賴。
   3)引入Kalman濾波預測目標位置,提高了在圖像序列中ASM方法的模型初始定位精度,進而改善了目標輪廓提取的精度和速度。
   4)設計了一種基于改進ASM與Kalman濾波預測相結合跟蹤運動目標的跟蹤流程。使用此跟蹤流程對人體目標進行了輪廓跟蹤,實驗結果驗證了本文方法的有效性、對目標尺度變化的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論