基于核函数的视觉跟踪算法研究及其应用

论文摘要

视觉跟踪是当前计算机视觉研究的热点之一,并且逐步在视频监控、人机交互,机器人,无人驾驶等领域得到广泛的应用。目前视觉跟踪算法层出不穷,同时也涌现了数个设计巧妙、理论完备、效果较好的目标跟踪算法。基于核函数的均值位移目标跟踪算法是其中最优秀的算法之一,但由于应用场合的复杂性,到目前为止,建立一个稳健的、鲁棒的、实时的目标跟踪系统仍然是一个相关困难的事情。人工智能研究的基本思想之一是通过模仿人类的机理给机器赋以人的智能。本文正是在这个思想的指导下通过模仿人类及灵长类动物的视觉机制,深入研究了目标建模和跟踪的过程,借鉴心理学、生理学领域的研究成果,提出了一种目标描述新思路,并且通过水平投影、垂直投影巧妙地融入目标空间信息,应用均值位移优化过程,实现一个全新的目标跟踪过程。具体研究内容分成如下几个部分:1.回顾介绍基于核函数的均值位移跟踪算法原理与过程2.详细介绍了基于关注度的目标建模方法3.详细介绍了基于水平投影、垂直投影的均值位移优化过程4.详细介绍了基于关注度和投影的均值位移跟踪算法,并分析了其主要优点。基于以上的思路,本文主要在以下两个方面取得了一定突破和进展,获得了一定研究成果。第一、改变以往建立精确目标模型的思路,通过突出目标的主要特征,压制背景和非主要特征,建立一个目标特征突出的目标模型,而且这个模型是基于目标和背景的区别的,不是具体的颜色或者纹理等特征,因此不会因为光照、形变等恶劣环境而丢失目标,具有很好的稳定性和鲁棒性。第二、采用水平投影、垂直投影来综合目标的空间信息,有利于准确定位目标中心位置,实验证明了基于投影的算法比基于核函数的方法能够更加准确地定位出目标中心位置,取得良好效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究背景及意义
• 1.2 论文的研究工作及创新
• 1.3 论文结构安排
• 第二章 目标跟踪综述
• 2.1 引言
• 2.2 目标跟踪的分类
• 2.3 视觉跟踪的两种基本思路
• 2.4 视觉跟踪算法的分类
• 第三章 MEAN SHIFT 算法理论
• 3.1 MEAN SHIFT 算法描述
• 3.1.1 基本MEAN SHIFT
• 3.1.2 扩展的MEAN SHIFT
• 3.1.3 MEAN SHIFT 的物理含义
• 3.2 MEAN SHIFT 算法的收敛性
• 3.3 MEAN SHIFT 算法的固有优点和缺点
• 第四章 基于颜色直方图的经典MEAN SHIFT 跟踪算法
• 4.1 目标图像的建模
• 4.2 相似性度量
• 4.3 基于MEAN SHIFT 的目标跟踪算法
• 4.3.1 距离的最小化
• 4.3.2 算法描述
• 4.3.3 算法时间复杂度分析
• 4.3.4 实验与分析
• 第五章 基于关注度和空间投影的目标模型
• 5.1 引言
• 5.2 关注度介绍
• 5.2.1 ITTI 关注度算法
• 5.2.2 基于SHANNON 熵的关注度算法
• 5.3 基于关注度的目标建模
• 5.4 基于关注度和空间投影的目标跟踪
• 第六章 基于关注度和空间投影的目标跟踪及实验结果
• 6.1 快速飞机序列
• 6.2 动物快速运动序列
• 6.3 模糊场景下非车辆目标序列跟踪
• 6.4 红外目标序列
• 6.5 实验小结
• 第七章 总结
• 7.1 工作总结
• 7.2 课题展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文