版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著人們生活質(zhì)量的不斷提高,國家安全、公共安全、工業(yè)生產(chǎn)、家居生活等各個領(lǐng)域的工作都逐漸需要智能視頻監(jiān)控系統(tǒng)的協(xié)助。智能監(jiān)控系統(tǒng)雖然可以有效地減少工作人員的工作強度和解決人工監(jiān)控中存在的問題,但是目前依然不能滿足人們的需求,因此在硬件資源和人力成本都很有限的前提下,不斷提升現(xiàn)有視頻監(jiān)控系統(tǒng)的性能,并努力適應(yīng)各種監(jiān)控場合,是一個非常值得研究的課題。傳統(tǒng)的基于單個特征的目標跟蹤算法在簡單的環(huán)境下跟蹤效果較好,但在實際應(yīng)用中,大多數(shù)環(huán)境都是多
2、人的復(fù)雜場景,跟蹤目標容易受到其他運動物體或是背景的干擾。針對單一特征的不足,本文基于多特征融合的理論,將其應(yīng)用到目標人體的跟蹤中?,F(xiàn)將本文主要工作總結(jié)如下:
(1)運動目標的檢測是目標跟蹤的重要基礎(chǔ),目標區(qū)域是否完整、準確將直接關(guān)系到后續(xù)跟蹤的準確性。針對固定單一攝像頭場景下對完整運動目標區(qū)域的提取,本文提出填充“空洞”的改進三幀差分法進行運動目標分割,得到完整的運動目標區(qū)域,該方法比經(jīng)典的混合高斯建模法的時效性和精確度更高
3、,方便之后提取目標相關(guān)特征。
(2)針對復(fù)雜多人環(huán)境的特定目標跟蹤,主要考慮算法的準確性和時效性,多特征融合可以提高跟蹤算法的準確性和對環(huán)境的適應(yīng)性,但是算法的計算復(fù)雜度也隨之提高。針對這一問題,本文提出基于最近鄰決策的目標匹配算法,優(yōu)化目標跟蹤時間;為了解決目標跟蹤過程中容易受到顏色干擾等問題,本文提取出結(jié)合目標及候選目標的顏色特征和幾何特征進行聯(lián)合匹配,并應(yīng)用Harris角點應(yīng)對目標遮擋等問題,經(jīng)過驗證,算法提高了跟蹤的準
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(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)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(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)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。
最新文檔
- 基于圖像特征的最近鄰搜索算法研究.pdf
- 最近鄰查詢和反最近鄰查詢算法研究.pdf
- 基于決策樹和K最近鄰算法的文本分類研究.pdf
- 基于特征融合與聯(lián)合決策的視頻跟蹤算法研究.pdf
- 基于稀疏表示和決策樹的最近鄰方法研究.pdf
- 基于網(wǎng)格和最近鄰居的聚類算法的研究.pdf
- 基于自然最近鄰居的分類算法研究.pdf
- 基于用戶興趣和領(lǐng)域最近鄰的混合推薦算法研究.pdf
- 基于AIMM與特征融合的車輛跟蹤算法研究及實現(xiàn).pdf
- 基于哈希加速的近似最近鄰檢索算法研究.pdf
- 最近鄰分類的若干改進算法研究.pdf
- 基于多特征融合的目標跟蹤算法的研究.pdf
- 基于自然最近鄰的無參聚類算法研究.pdf
- 基于自然最近鄰居的社團檢測算法研究.pdf
- 基于自然最近鄰居的離群檢測算法研究.pdf
- 基于自適應(yīng)模型和多特征融合的目標跟蹤算法研究.pdf
- 基于共享最近鄰的聚類算法的研究與應(yīng)用.pdf
- 基于哈希的最近鄰查找.pdf
- 基于多特征融合的多目標跟蹤算法.pdf
- 基于HKS和迭代最近鄰的形狀對應(yīng).pdf
評論
0/150
提交評論