基于快速目标的识别与跟踪算法研究

论文摘要

快速目标识别与跟踪技术是计算机视觉领域研究的主要内容之一,在军事、智能视觉监控系统、工业检测以及视频图像分析等领域中都有重要的应用。特别在军事领域中,如果能实现飞机等军事目标的实时识别与跟踪,对掌握战场主动权和提高未来指挥作战系统的性能都具有重要意义。本文以飞机目标作为研究对象,对快速目标的识别和跟踪的方法做了一定的探讨。首先,对当前目标识别与跟踪中存在的问题和处理方法作了详细的介绍;通过对常用目标检测算法实时性的比较,选取了帧间差分法来完成目标检测,并用形态学滤波方法来处理噪声和空洞问题;然后,在深入的理解和分析Gabor滤波器数学含义的基础上,用分块极大值方法实现了从Gabor滤波器滤波后的响应值中提取出表征不同尺度、方向的特征点,并利用这些特征点邻域能量值之和与样本群中记录的在离线状态下提取的特征点邻域的能量之和进行加权匹配,完成目标的识别工作;最后,介绍了适合快速目标跟踪的Mean-Shift算法,利用Kalman滤波器对Mean-Shift算法进行了改进,实现了目标的快速跟踪,并给出了尺度和颜色模板的更新策略以及当目标被遮挡时的处理方法。实验表明,本文给出的算法能有效地检测出快速运动目标并对目标进行识别与跟踪;并且算法在识别过程中具有准确率高、误识别率低的特点;在跟踪过程中具有很高的快速性和一定的鲁棒性,能克服目标尺度变化和遮挡等问题,满足实时处理要求。但是,离实现一个具有鲁棒性、准确性和快速性的目标识别与跟踪系统还有一定差距,在文章最后对算法需要改进的地方作了说明。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景和意义
• 1.2 目标识别与跟踪技术的发展现状
• 1.3 目标识别的主要研究内容和分类
• 1.4 目标跟踪的主要研究内容和分类
• 1.5 本文的结构安排
• 第2章 运动目标的检测
• 2.1 引言
• 2.2 运动目标检测算法分析
• 2.2.1 光流法
• 2.2.2 不变矩特征检测法
• 2.2.3 背景差分方法
• 2.2.4 帧间差分法
• 2.3 形态学滤波处理
• 2.4 实验分析
• 2.5 本章小结
• 第3章 基于Gabor滤波器的目标识别算法研究
• 3.1 引言
• 3.2 模式识别系统介绍
• 3.3 Gabor滤波器及其性质分析
• 3.3.1 2D Gabor滤波器
• 3.3.2 2D Gabor滤波器参数含义及其选择
• 3.4 基于Gabor滤波器的目标识别算法
• 3.4.1 基于Gabor滤波器的目标图像滤波
• 3.4.2 特征点选取
• 3.4.3 特征点匹配
• 3.5 识别算法实验分析
• 3.6 本章小结
• 第4章 基于Mean-Shift算法的目标跟踪算法研究
• 4.1 引言
• 4.2 Mean-Shift算法
• 4.2.1 Mean-Shift向量
• 4.2.2 Mean-Shift算法及收敛性
• 4.3 传统的目标模型建立及跟踪算法的推导
• 4.3.1 色彩空间的选取
• 4.3.2 目标模型的描述
• 4.3.3 候选模型的描述
• 4.3.4 相似性函数
• 4.3.5 目标定位
• 4.4 结合Kalman滤波器的改进算法
• 4.4.1 改进算法描述
• 4.4.2 模板更新策略
• 4.4.3 遮挡问题的处理
• 4.5 跟踪算法的实验分析
• 4.6 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢