实时图像序列目标跟踪算法研究

论文摘要

实时图像序列目标跟踪（Real Time Object Tracking in Image Sequences）,是计算机视觉中的经典问题,它是指在一组实时图像序列中,根据所需目标模型,实时确定图像中目标所在位置的过程。它最初吸引了军方的关注,逐渐被应用于电视制导炸弹、火控系统等军用设备中。近年来,随着计算机视觉和人工智能的深入发展,其在智能机器人、电子监控系统、交通控制以及医学器械等各个领域得到更加广泛的应用。本文重点研究了三种目标跟踪算法,以寻找新的思路解决目前算法中存在的问题,为今后的进一步研究打下基础。本论文就图像的单目标跟踪问题,研究了灰度模板相关匹配跟踪算法以及基于Mean-Shift和核密度估计的跟踪算法,分析了相关匹配算法中模板大小自适应的问题并提出一种基于区域增长的解决方法,在实验中取得了良好的效果,并引入一种Kalman噪声方差自适应算法,切实改善了跟踪精度;对Mean-Shift算法中核窗宽自适应方法进行了改进,并给出了一种能够改善相似度曲面的核函数;最后针对目标与背景灰度分布相近致使目标丢失的问题提出了一种基于PCA和边缘检测的目标结构跟踪算法,实验证明,该结构跟踪算法在很大程度上提高了跟踪帧数,具有很强的抗噪声性能。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 图像跟踪技术概述
• 1.2 图像跟踪系统的基本原理
• 1.3 图像跟踪技术的发展
• 1.4 论文的主要内容及结构
• 第二章 基于模板相关匹配的目标跟踪算法研究
• 2.1 模板的相似度测量方法
• 2.2 实验结果及分析
• 2.3 模板尺寸的自适应修正
• 2.3.1 基于二值化的模板修正
• 2.3.2 基于区域增长的模板修正
• 2.3.3 实验结果及对比
• 2.4 使用Kalman滤波器的目标预测
• 2.4.1 Kalman滤波器及其改进
• 2.4.2 实验结果及分析
• 2.5 抗噪声性能分析
• 第三章 基于Mean-Shift的目标跟踪算法研究
• 3.1 Mean-Shift算法
• 3.2 目标的核估计描述
• 3.3 相似度测量函数
• 3.4 目标定位
• 3.5 实验结果及分析
• 3.5.1 不同核函数分析
• 3.5.2 核估计中直方图段数的选择
• 3.5.3 模板更新及目标位置预测
• 3.5.4 核窗宽的自适应变化
• 3.5.5 Kalman预测对跟踪性能影响
• 3.6 抗噪声性能分析
• 第四章 基于PCA和边缘检测的目标跟踪算法研究
• 4.1 边缘检测算法
• 4.1.1 Sobel边缘检测算子
• 4.1.2 Canny边缘检测算法
• 4.1.3 Laplacian边缘算子
• 4.1.4 Marr-Hildreth边缘检测算法
• 4.2 直方图均衡化
• 4.3 PCA算法原理
• 4.3.1 PCA算法处理过程
• 4.3.2 相似度测量
• 4.4 使用PCA算法的跟踪策略
• 4.4.1 目标样本更新策略
• 4.4.2 样本尺寸的自适应变化
• 4.5 实验结果及分析
• 4.6 抗噪声性能分析
• 第五章 结论与展望
• 5.1 结论
• 5.2 未来的工作
• 致谢
• 参考文献
• 作者在读期间的研究成果