運(yùn)動(dòng)目標(biāo)跟蹤算法研究及穩(wěn)定性分析.pdf

1、視頻運(yùn)動(dòng)目標(biāo)的跟蹤是計(jì)算機(jī)視覺研究的一個(gè)重要分支，是近年來研究的熱點(diǎn)。運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)廣泛應(yīng)用于機(jī)器視覺、智能交通、軍事制導(dǎo)和視頻監(jiān)控等領(lǐng)域。由于運(yùn)動(dòng)目標(biāo)各自特點(diǎn)不同，運(yùn)動(dòng)的形式各種各樣，并且運(yùn)動(dòng)場景復(fù)雜多變，因此跟蹤算法的研究一直是一個(gè)難點(diǎn)。良好的跟蹤算法要求能夠處理遮擋、相似物干擾、復(fù)雜背景等異常狀況。此外跟蹤算法還要能夠滿足實(shí)時(shí)性的要求。本文就是針對跟蹤中的這些問題研究一種具有較高的穩(wěn)定性和實(shí)時(shí)性的跟蹤算法。 論文首先介紹

2、了視頻跟蹤系統(tǒng)的框架和原理，然后簡單介紹了一些常規(guī)的跟蹤算法。接著在第三章分別從多項(xiàng)式擬合和Kalman預(yù)測的角度介紹了軌跡預(yù)測算法。在目標(biāo)短暫丟失時(shí)，要能夠預(yù)測到目標(biāo)的大致位置，以便當(dāng)目標(biāo)出現(xiàn)時(shí)能夠重新鎖定目標(biāo)。因此軌跡預(yù)測是視頻跟蹤算法的重要一環(huán)。 第四章主要介紹了MCD相關(guān)算法和Mean-shift算法。針對二者的缺點(diǎn)，做了一些改進(jìn)。并對二者的性能進(jìn)行分析比較。Mean-shift算法由于根據(jù)概率密度梯度的原理，不需要匹配