基于特征的视频跟踪算法研究

论文摘要

目标跟踪技术是计算机视觉领域的核心课题之一,是成像跟踪系统智能化的关键,具有十分重要的意义和广泛的实用价值。它融合了图像处理、模式识别、人工智能、自动控制等相关领域的先进技术和研究成果。目标跟踪的实质是从图像信号中实时自动识别目标,提取目标的位置信息,并自动跟踪目标。特征的提取和跟踪是基于图像的目标跟踪技术研究中的一项重要内容,对目标识别、目标检测等有着重要意义。首先介绍了匹配跟踪方法及其分类,然后讨论了相关跟踪和特征跟踪方法。阐述了相关跟踪原理、各种相关匹配准则、相关跟踪误差分析以及相关模板大小的选取问题,以及经典相关跟踪方法存在的问题。接下来讨论了基于特征匹配的目标跟踪方法,并重点讨论了四种典型特征跟踪方法。本文改进了一种基于Gabor特征而进行分类的目标跟踪方法。该方法充分利用了目标和背景信息,同时对目标和背景进行Gabor特征提取,并利用这些特征建立判别函数,通过判别函数来对下一帧的图像特征进行分类,这样跟踪问题就转换为目标和背景的分类问题。实验结果表明:在序列图像中,该算法对于光照变化和目标的形变并具备一定的鲁棒性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题的背景及意义
• 1.1.1 目标跟踪技术的研究现状以及发展趋势
• 1.1.2 图像跟踪方法综述
• 1.2 本文的研究工作及安排
• 第二章 成像跟踪系统图像特性分析
• 2.1 成像跟踪系统概述
• 2.2 成像跟踪系统图像特性
• 2.3 图像干扰的产生和特点
• 2.3.1 图像噪声干扰
• 2.3.2 歧变干扰
• 2.3.3 遮挡干扰
• 第三章 目标匹配跟踪算法研究
• 3.1 目标匹配跟踪方法概述
• 3.2 图像的相关匹配方法
• 3.3 基于图像灰度的相关匹配分析
• 3.3.1 搜索策略
• 3.3.2 误差分析
• 3.4 基于图像特征的匹配方法
• 3.5 几种典型的特征跟踪方法
• 3.5.1 基于Hausdorff距离的匹配方法
• 3.5.2 基于目标不变矩的跟踪算法
• 3.5.3 基于主动轮廓线模型的跟踪方法
• 3.5.4 基于核直方图的目标跟踪算法
• 3.6 本章小结
• 第四章 Gabor滤波器的特征提取
• 4.1 引言
• 4.2 特征提取方法综述
• 4.3 Gabor滤波器
• 4.3.1 Gabor函数的提出
• 4.3.2 2D-Gabor滤波器
• 4.4 基于Gabor滤波的特征提取
• 4.4.1 核函数的选择
• 4.4.2 参数设置
• 4.5 线性分类器
• 4.5.1 线性判别函数的基本概念
• 4.5.2 Fisher线性判别
• 4.6 本章小节
• 第五章 基于Gabor特征分类的目标跟踪
• 5.1 算法原理与框架
• 5.2 Gabor滤波器特征提取
• 5.3 建立目标和背景判别函数
• 5.3.1 目标匹配
• 5.3.2 建立判别函数
• 5.4 目标/背景模板更新
• 5.5 仿真结果分析
• 5.6 本章小节
• 第六章 结束语
• 致谢
• 参考文献
• 作者在读期间的科研成果