复杂环境中的目标跟踪及其在移动机器人中的实现

复杂环境中的目标跟踪及其在移动机器人中的实现

论文摘要

目标跟踪技术作为计算机视觉领域中的核心技术之一,在民用、国防军事等领域有着广泛的应用前景。然而,由于运动目标姿态和形状的变化、光照状况的改变、部分或全部遮挡等因素的影响,对运动目标进行实时检测与跟踪就变得非常困难,如何获得鲁棒、实时的目标跟踪算法仍然是计算机视觉领域的热点研究课题之一。本文围绕科技部国际合作项目中目标跟踪子项目展开,重点研究复杂背景下鲁棒有效的目标跟踪算法,并且将该算法应用到移动机器人平台中,实现了自动的人脸检测与跟踪系统。以下为本文的主要的研究内容和成果:1.对目标特征提取算法进行研究,提出了采用相关矩阵融合多种特征来描述目标的算法。该算法可同时融合空间特征和目标固有特征,对目标进行描述,有效地将目标从复杂背景分离出来。同时,提出将相关矩阵与局部搜索机制相结合,采用均值加权最后得到目标位置值,与基于全局搜索的协方差矩阵描述目标,采用最佳值匹配的跟踪算法相比,在背景包含大量与目标相近特征情况下,能够得到较好的跟踪效果。2.本文提出一种将协方差矩阵描述目标特征算法与粒子滤波算法相结合,在复杂背景下实现鲁棒的目标跟踪算法。实验表明,本文提出的算法比经典的CAMSHIFT(Continuously Adaptive Mean Shift)算法和基于单一特征的粒子滤波器跟踪算法更有效。因为采用了协方差矩阵描述目标,可以将目标有效地从复杂背景中分离出来,在复杂背景中可以实现有效跟踪;同时,由于采用了粒子滤波预测机制,在非线性情况下仍然适用,当目标出现部分遮挡或全部遮挡情况下,仍然能够有效地实现目标再次跟踪。3.对上述跟踪算法进行了工程实现。在熟悉移动机器人平台的硬件环境及通信接口的基础上,设计实现了机器人跟踪系统。移动机器人采用人脸自动检测算法初始化跟踪目标之后,根据跟踪算法来控制云台摄像头转动及对平台的运动进行控制,从而完成整个跟踪系统。移动机器人能够自动检测出进入视野范围的第一个目标,随后主动跟踪目标运动。为整体项下一步实现家庭智能监控提供了良好的实验平台。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 前言
  • 1.2 课题来源及选题意义
  • 1.3 国内外研究现状
  • 1.3.1 目标跟踪面临的问题
  • 1.3.2 目标跟踪的研究算法
  • 1.4 本文的主要研究工作
  • 第2章 运动目标检测算法
  • 2.1 引言
  • 2.2 图像预处理
  • 2.2.1 各种预处理算法综述
  • 2.2.2 均值滤波器
  • 2.2.3 中值滤波器
  • 2.3 静止背景下的运动目标检测算法
  • 2.3.1 帧差法
  • 2.3.2 自适应背景减法
  • 2.4 动态背景下的运动目标检测算法
  • 2.4.1 光流场法(Optical flow)
  • 2.4.2 块匹配算法
  • 2.5 自动人脸检测算法
  • 2.5.1 基于肤色的人脸检测方法
  • 2.5.2 基于统计模型的检测方法
  • 2.5.3 基于知识的人脸检测技术
  • 2.5.4 基于模板匹配的人脸检测技术
  • 2.6 本章小结
  • 第3章 目标特征提取及描述
  • 3.1 引言
  • 3.2 颜色特征描述目标
  • 3.2.1 颜色空间
  • 3.2.2 RGB,HSV 颜色空间转换
  • 3.2.3 颜色直方图描述方法
  • 3.3 纹理特征描述目标
  • 3.3.1 灰度直方图法
  • 3.3.2 自相关函数方法
  • 3.3.3 共生矩阵法
  • 3.4 梯度特征描述目标
  • 3.5 融合多种特征描述目标
  • 3.5.1 协方差矩阵融合多特征描述目标
  • 3.5.2 相关矩阵融合多特征描述目标
  • 3.5.3 协方差矩阵与相关矩阵描述目标优缺点的比较
  • 3.5.4 矩阵描述的区域之间的距离度量
  • 3.6 本章小结
  • 第4章 运动目标跟踪算法
  • 4.1 引言
  • 4.2 贝叶斯滤波器原理
  • 4.3 卡尔曼滤波原理
  • 4.3.1 卡尔曼滤波
  • 4.3.2 扩展卡尔曼滤波
  • 4.4 粒子滤波器算法理论
  • 4.4.1 贝叶斯重要性采样(BIS)
  • 4.4.2 序列重要性采样(SIS)
  • 4.4.3 退化问题
  • 4.5 基于协方差矩阵的粒子滤波跟踪算法
  • 4.5.1 目标跟踪的目的
  • 4.5.2 状态空间与系统状态转移
  • 4.5.3 系统状态观测
  • 4.5.4 基于协方差描述目标的粒子滤波跟踪实现原理
  • 4.6 跟踪算法实验结果
  • 4.6.1 相关矩阵描述目标跟踪实验
  • 4.6.2 基于协方差描述目标的粒子滤波跟踪算法实验结果
  • 4.7 本章小结
  • 第5章 目标跟踪算法在移动平台中的应用
  • 5.1 引言
  • 5.2 跟踪系统的硬件环境
  • 5.2.1 云台摄像头一体机
  • 5.2.2 移动平台硬件环境
  • 5.3 跟踪系统实现的软件环境
  • 5.3.1 OpenCV 的主要特点
  • 5.3.2 OpenCV 主要构成
  • 5.3.3 主要的函数说明
  • 5.4 运动控制策略及实现
  • 5.4.1 系统初始化
  • 5.4.2 云台摄像头控制策略
  • 5.4.3 移动平台控制策略
  • 5.5 本章小结
  • 结论
  • 参考文献
  • 致谢
  • 附录 A 攻读学位期间完成的学术论文
  • 附录 B 攻读学位期间参与的科研项目
  • 附录 C 跟踪机器人系统实验图
  • 相关论文文献

    • [1].基于TMS320DM642的自动目标跟踪及云台控制[J]. 电子世界 2018(03)
    • [2].基于TLD目标跟踪算法的优化[J]. 工业控制计算机 2018(04)
    • [3].智能工厂下的AGV多目标跟踪[J]. 电子科技 2019(11)
    • [4].改进卡尔曼滤波的目标跟踪研究[J]. 计算机仿真 2010(09)
    • [5].一种比赛运动目标自适应跟踪算法的GPU实现[J]. 湘潭大学自然科学学报 2018(04)
    • [6].历史信息驱动反馈融合多目标跟踪算法研究[J]. 河南科技 2018(28)
    • [7].SIFT特征的目标跟踪算法研究[J]. 宏观经济管理 2017(S1)
    • [8].基于相关滤波的目标跟踪方法[J]. 西安邮电大学学报 2018(04)
    • [9].基于深度学习的视觉目标跟踪算法[J]. 内蒙古师范大学学报(自然科学汉文版) 2018(02)
    • [10].用于机器人目标跟踪的压缩感知的改进算法[J]. 福建工程学院学报 2014(06)
    • [11].基于粒子滤波和均值漂移的目标跟踪[J]. 计算机工程与应用 2008(11)
    • [12].基于数据链和光电传感器的融合跟踪[J]. 电光与控制 2012(05)
    • [13].基于深度学习目标检测与跟踪技术的研究[J]. 电子设计工程 2019(06)
    • [14].一种基于帧差法结合Kalman滤波的运动目标跟踪方法[J]. 兵工自动化 2019(04)
    • [15].一种鲁棒的Kalman滤波方法[J]. 计算机与数字工程 2013(05)
    • [16].基于稀疏滤波的视频目标跟踪方法[J]. 计算机产品与流通 2019(10)
    • [17].EKF、PF在目标跟踪中的研究[J]. 电子设计工程 2012(07)
    • [18].对基于嵌入式系统的视觉目标跟踪分析[J]. 科技创新导报 2018(26)
    • [19].基于kalman滤波的改进的Camshift算法及其在目标跟踪中的应用[J]. 电子技术与软件工程 2018(12)
    • [20].面向目标跟踪的滤波器设计方法评述[J]. 科技创新导报 2014(19)
    • [21].基于卡尔曼滤波的多区域关联运动目标跟踪[J]. 计算机应用 2012(11)
    • [22].马尔可夫随机场理论在目标跟踪中的应用[J]. 计算机工程与应用 2011(28)
    • [23].改进的核相关自适应目标跟踪算法及其实验验证[J]. 科学技术与工程 2018(14)
    • [24].基于粒子滤波的目标跟踪研究[J]. 计算机产品与流通 2018(04)
    • [25].核窗口尺寸和目标模型自适应的均值漂移跟踪[J]. 华南理工大学学报(自然科学版) 2013(02)
    • [26].稳健的交互多模型转移概率选择算法[J]. 黑龙江科技学院学报 2009(01)
    • [27].基于核相关性滤波的长时间目标跟踪方法[J]. 舰船电子工程 2019(08)
    • [28].一种改进的基于双权值颜色直方图的均值漂移跟踪算法(英文)[J]. Journal of Measurement Science and Instrumentation 2016(02)
    • [29].目标跟踪中野值的判别与剔除方法[J]. 太赫兹科学与电子信息学报 2014(02)
    • [30].基于在线多示例提升随机蕨丛的目标跟踪[J]. 计算机应用 2012(11)

    标签:;  ;  ;  ;  ;  

    复杂环境中的目标跟踪及其在移动机器人中的实现
    下载Doc文档

    猜你喜欢