基于光流的图像目标跟踪方法研究

论文摘要

动态序列图像跟踪是计算机视觉研究领域中十分重要的问题。光流法在序列图像的运动目标检测与跟踪中得到了较好的应用,光流法用于运动目标跟踪存在的问题是:运算量大、抗噪性差、不能跟踪较高速度的运动目标;特征光流法可较好的解决上述问题。 本文对光流法用于运动目标跟踪进行了研究,主要工作如下: 1.对基于曲率的角点检测算法和Plessy角点检测算法做了理论分析和实验比较,通过对角点检测算法的三个性能指标(稳定性、可靠性和抗噪性)的定量评价表明,基于曲率的角点检测算法比Plessy角点检测算法性能更好。 2.研究了经典基于微分的光流计算方法和五点约束光流算法,给出了两种算法用于运动目标提取的仿真实验比较。实验结果表明:五点约束光流算法具有精度高,计算速度快的特点。 3.将五点约束光流算法应用于不同的运动目标图像跟踪,仿真结果表明该方法在跟踪运动车辆时,只能跟踪目标大致轮廓,但不能给出完整画面。 4.研究了特征光流用于运动目标图像跟踪的问题,针对以往运动目标实时跟踪困难和经历旋转时的失跟问题,给出了光流聚类规则,引入矩特征进行矩特征匹配,由此提出了基于矩特征和特征光流的运动目标图像跟踪方法。 5.详细给出了基于矩特征和特征光流的运动目标跟踪方法的算法流程,并进行了图像目标跟踪仿真。仿真结果表明本文提出的图像跟踪算法在跟踪速度,跟踪精度,和克服旋转三方面性能优越,同时目标做30度以内的旋转时,能够稳定的跟踪运动目标。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• §1.1 研究背景和意义
• §1.2 图像跟踪方法研究
• §1.2.1 基于对比度的跟踪方法
• §1.2.2 基于区域相关的跟踪方法
• §1.2.3 基于特征点的跟踪方法
• §1.2.4 基于变形模板的跟踪算法
• §1.2.5 基于光流的跟踪算法
• §1.3 光流的计算方法
• §1.3.1 微分法
• §1.3.2 匹配法
• §1.3.3 基于能量的方法
• §1.3.4 基于相位的方法
• §1.3.5 神经动力学方法
• §1.4 本文的主要内容安排
• 第二章 角点检测
• §2.1 引言
• §2.2 基于曲率的角点检测算法
• §2.3 PLESSY角点检测算法
• §2.4 角点检测算法的评价方法
• §2.5 角点检测算法的实验分析
• §2.6 本章小结
• 第三章 光流算法用于复杂背景下的运动目标提取和跟踪
• §3.1 引言
• §3.2 光流算法原理
• §3.2.1 光流和运动场
• §3.2.2 光流的约束方程
• §3.2.3 光流计算
• §3.3 五点约束最小二乘法估计光流速度场
• §3.3.1 高斯滤波平滑
• §3.3.2 选取置信点
• §3.3.3 最小二乘法求解超定光流约束方程
• §3.4 误差分析
• §3.5 实验分析
• §3.5.1 两种光流算法实验结果
• §3.5.2 算法比较
• §3.5.3 运动目标跟踪
• §3.6 本章小结
• 第四章 一种新的基于特征光流的运动目标跟踪算法研究
• §4.1 引言
• §4.2 一种新的基于矩特征和特征光流的运动目标跟踪方法
• §4.2.1 算法流程
• §4.2.2 角点检测
• §4.2.3 矩特征提取
• §4.2.4 角点匹配
• §4.2.5 光流聚类
• §4.3 仿真实验与结果分析
• §4.3.1 杨杨等人的算法介绍
• §4.3.2 仿真结果比较分析
• §4.4 本章小结
• 第五章 总结与展望
• 参考文献
• 发表文章
• 致谢
• 西北工业大学 学位论文知识产权声明书
• 西北工业大学学位论文原创性声明