視頻中移動(dòng)對(duì)象跟蹤技術(shù)研究【開題報(bào)告】

1、畢業(yè)設(shè)計(jì)開題報(bào)告畢業(yè)設(shè)計(jì)開題報(bào)告計(jì)算機(jī)科學(xué)與技術(shù)計(jì)算機(jī)科學(xué)與技術(shù)視頻中移動(dòng)對(duì)象跟蹤技術(shù)研究視頻中移動(dòng)對(duì)象跟蹤技術(shù)研究一、選題的背景與意義隨著計(jì)算機(jī)技術(shù)、圖像處理技術(shù)的不斷發(fā)展，視頻中移動(dòng)對(duì)象跟蹤技術(shù)目前已成為熱點(diǎn)研究問(wèn)題。視頻跟蹤技術(shù)，經(jīng)過(guò)近50多年的深入研究和發(fā)展，在軍事制導(dǎo)、視覺(jué)導(dǎo)航、安全監(jiān)控、智能交通等方面有著廣泛的應(yīng)用和發(fā)展前景。如視頻跟蹤通過(guò)攝像機(jī)監(jiān)控動(dòng)態(tài)場(chǎng)景，已被廣泛地應(yīng)用在社會(huì)生活的各個(gè)方面，可應(yīng)用于社區(qū)、大型公共場(chǎng)所及重

2、要設(shè)施的安全監(jiān)控；智能交通系統(tǒng)中，進(jìn)行車輛的實(shí)時(shí)檢測(cè)和跟蹤，可以實(shí)時(shí)監(jiān)控車流量、車速、車流密度、交通事故、違章逃逸車輛等交通狀況，用于實(shí)時(shí)的智能交通調(diào)度。二、研究的基本內(nèi)容與擬解決的主要問(wèn)題：1.視覺(jué)跟蹤算法現(xiàn)在普遍將視覺(jué)跟蹤算法劃分為：1)基于區(qū)域的跟蹤(Region—basedtracking)?；趨^(qū)域的跟蹤算法基本思想是：首先得到包含目標(biāo)的模板(Template)，該模板通過(guò)圖像分割獲得或是預(yù)先人為確定，模板通常為略大于目標(biāo)的矩

3、形，也可為不規(guī)則形狀；然后在序列圖像中，運(yùn)用相關(guān)算法跟蹤目標(biāo)，對(duì)灰度圖像可以采用基于紋理和特征的相關(guān)，對(duì)彩色圖像還可利用基于顏色的相關(guān)。近年來(lái)，對(duì)基于區(qū)域的跟蹤方法關(guān)注較多的是如何處理模板變化時(shí)的情況，這種變化是由運(yùn)動(dòng)目標(biāo)姿態(tài)變化引起的，如果能正確預(yù)測(cè)目標(biāo)的姿態(tài)變化，則可實(shí)現(xiàn)穩(wěn)定跟蹤。2)基于特征的跟蹤(Featurebasedtracking)?；谔卣鞯母櫵惴ㄒ话阋膊捎孟嚓P(guān)算法。與基于區(qū)域的跟蹤算法的不同之處在于，后者使用目標(biāo)整體

4、作為相關(guān)時(shí)的對(duì)象，而前者使用目標(biāo)的某個(gè)或某些局部特征作為相關(guān)時(shí)的對(duì)象。這種算法的優(yōu)點(diǎn)在于即使目標(biāo)的某一部分被遮擋，只要還有一部分特征可以被看到，就可以完成跟蹤任務(wù)。另外，這種方法與卡爾曼濾波器聯(lián)合使用，也具有很好的跟蹤效果這種算法的難點(diǎn)是：對(duì)某個(gè)運(yùn)動(dòng)目標(biāo)，如何確定它的唯一特征集這也是一個(gè)模式識(shí)別問(wèn)題。若采用特征過(guò)多，系統(tǒng)效率將降低，且容易產(chǎn)生錯(cuò)誤。數(shù)據(jù)量的圖像，這些算法往往需要大量的運(yùn)算時(shí)間，很難達(dá)到實(shí)時(shí)處理的要求。通常，簡(jiǎn)單算法能夠?qū)?/p>

5、現(xiàn)實(shí)時(shí)跟蹤，但跟蹤精度卻很差；復(fù)雜算法具有很高的跟蹤精度，實(shí)時(shí)性卻很差。一種通用的減小視覺(jué)跟蹤算法運(yùn)算量的方法是利用金字塔分解或小波變換將圖像分層處理；另一種思路是設(shè)計(jì)專用硬件實(shí)現(xiàn)實(shí)時(shí)的視覺(jué)跟蹤。三、研究的方法與技術(shù)路線：在本課題研究中前期我將采用基于區(qū)域的跟蹤的MeanShift算法解決沒(méi)有運(yùn)動(dòng)目標(biāo)的突然變速情況下的目標(biāo)跟蹤，它具有快速定位的特點(diǎn)。然而，MeanShift跟蹤算法要求相鄰兩幀間目標(biāo)搜索模板區(qū)域必須重疊，因此對(duì)于運(yùn)動(dòng)目標(biāo)

6、的突然變速以及跟蹤系統(tǒng)的實(shí)時(shí)性具有一定的限制。但在這方面也已經(jīng)有人提出了結(jié)合卡爾曼濾波的方法予以很好的解決，這可以成為我后期研究的一個(gè)方向。1.基本的MeanShift給定d維空間錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。中的n個(gè)樣本點(diǎn)錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。i=1…n在x點(diǎn)的MeanShift向量的基本形式定義為:錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。(1)其中錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。是一個(gè)半徑為h的高維球區(qū)域

7、k表示在這n個(gè)樣本點(diǎn)錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。中有k個(gè)點(diǎn)落入錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。區(qū)域中。我們可以看到錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。是樣本點(diǎn)錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。相對(duì)于點(diǎn)錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。的偏移向量(1)式定義的MeanShift向量錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。就是對(duì)落入?yún)^(qū)域錯(cuò)誤錯(cuò)誤!未找到引用源。未找到引用源。中的k個(gè)樣本點(diǎn)相對(duì)于點(diǎn)x的偏移向量求和然后再