freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

目標跟蹤算法的研究畢業(yè)設計論文-文庫吧資料

2025-07-14 13:28本頁面
  

【正文】 西北工業(yè)大學 本科畢業(yè)設計論文 24 第 151 幀 第 179 幀 第 200 幀 第 239 幀 第 251 幀 第 273 幀 第 307 幀 第 321 幀 西北工業(yè)大學 本科畢業(yè)設計論文 25 第 330 幀 第 339 幀 圖 35 采用歸一化互相關匹配算法的跟蹤效果圖 實驗結(jié)果分析,在第 307 幀時出現(xiàn)跟蹤目標丟失,絕對平均搜索算法在 200幀目標就丟失了。為了克服這個問題,可以對待匹配圖像和模板作邊緣處理,這么做是因為當圖像中像素點相關時,兩副圖像的相關性實際是集中在它們的邊緣信息上的。 歸一化互相關搜索法 歸一化互相關匹配算法 (Nomral1zedCorerlatino 一 NC)是一個經(jīng)典的匹配算法,它是通過計算模板圖像和待匹配圖像的互相關值來決定匹配的程度, 尋找互相關值最大的搜索窗口的位置作為目標新的位置。同時,由于模板和每一幅待匹配圖像都有不同的灰度值,所以閉值也會很難選定。 絕對平衡搜索法有三種算法 :最小均方誤差函數(shù) (MES),最小平均絕對差值 函數(shù) (MAD)和最大匹配像素統(tǒng)計 (MPC),它們的定義分別如下 :[5] ? ?? ? ???? Mm Nn jnimFnmTNMjiM S E 1 1 2)],(),([*1),( ( 31) ? ?? ? ???? Mm Nn jnimFnmTNMjiM A D 1 1 ),(),(*1),( ( 32) ? ?? ?? Mm Nn jiNjiM P C 1 1 ),(),( ( 33) 1 ( , ) ( , )( , ) 0 T m n F m i n j tN i j othe rs? ? ? ? ??? ??? ( 34) 以上各式中 T(m, n)為模板圖像灰度值, F(m, n)為待匹配圖像灰度值,依據(jù) (3 一 7)式, t 為預設閉值,小于閉值 t 的像素被歸入匹配像素,否則被歸入非匹配像素。利用圖像的邊緣特征搜索匹配算法等。要能夠準確地、實時地確定目標的位置搜索算法很關鍵。 (4) 圖像的代數(shù)特征,如圖像矩陣的奇異值分解等。 (2) 圖像的統(tǒng)計特征,如顏色直方圖、各種不變矩等特征 。所提取的目標特征必須在環(huán)境變化、目標自身變化或者運動改變時,仍然能夠?qū)⑦\動目標描述出來。這種方法用一個參數(shù)公式,或一個變形公式來描述目標物體的形狀。目前有兩種可變性模型 :一種是自由式的可變形模型,主要滿足一些簡單的約束條件 (連續(xù)性、平滑性等 )用來跟蹤任意形狀的運動目標。 對于剛體目標來說,其運動狀態(tài)變換主要是平移、旋轉(zhuǎn)等,可以利用該方法實現(xiàn)目標跟蹤。 Jgrea 等人提出的區(qū)域跟蹤算法不僅利用了分割結(jié)果來給跟蹤提供信息,同時也能利用跟蹤所提供的信息改善分割效果,把連續(xù)幀的目標匹配起來達到跟蹤目標的目的。例如 Frnaoc 提出的區(qū)域跟蹤方法依賴于以前的檢測來區(qū)分運動目標,然后跟蹤目標。該方法將人體看作由頭、軀干、四肢等身體部分所對應的小區(qū)域塊的聯(lián)合體,通過分別跟蹤各個小區(qū)域塊最終完成對整個人體的跟蹤。基于區(qū)域的跟蹤方法我們可以選取整個區(qū)域的單一的特征來實現(xiàn)跟蹤,但是實際跟蹤過程中單一的特征不太好選擇,所以一般采用運動目標的多個特征來進行跟蹤。在連續(xù)的圖像中有多種區(qū)域信息,例如顏色特征、紋理特征等等。 [3] 如果運動目標物體簡單,可以將整個目標作為特征來進行跟蹤,這種方法也被稱為模板匹配。除了用單一的特征來實現(xiàn)跟蹤外,還可以采用多個特 征信息綜合在一起作為跟蹤特征,來提高跟蹤的效果。例如使用特征點對人體進行運動跟蹤 [33〕。在特征提取中要選擇適當?shù)母櫶卣?,并且在下一幀圖像中提取特征 。由于圖像采樣時間間隔通常很小,可以認為這些 特征在運動形式上是平滑的,因此可以完成目標的整體跟蹤過程?,F(xiàn)有的目標跟蹤方法有下面三類 :基于特征匹配的跟蹤方法、基于區(qū)域匹配的跟蹤算法、基于模型匹配的跟蹤算法。近年來,人們從這兩種基本思想或結(jié)合這兩種思想的角度出發(fā),提出了大量的跟蹤算法。這種方法包含了目標識別和目標匹配兩部分。 運動目標跟蹤方法 圖像中運動目標的跟蹤技術通常有兩種算法思想通過目標識別來進行跟蹤和通過運動檢測來進行跟蹤。 本章首先在第二節(jié)中概括介紹目標跟蹤的幾種方法。特別在軍事上,先進的武器導航、軍事偵察和監(jiān)控中都成功運用了自動跟蹤 技術。在機器視覺研究領域里,隨著技術不斷發(fā)展,自動目標跟蹤 (ATR)越來越受到研究者的重視,具有廣闊的應用前景。 [1] 西北工業(yè)大學 本科畢業(yè)設計論文 16 第三章 運動目標跟蹤方法 引言 運動目標跟蹤是近期視覺領域內(nèi)一個備受關注的課題,圖像中運動目標的跟蹤技術通常是通過目標檢測來進行跟蹤。然而在實際應用中,由于遮擋性、多光源和噪聲等原因,使得光流約束方程的灰度守恒假設條件得不到滿足,不能求解出正確的光流場;并且光流場與運動場并不一一對應,如球體在攝像機前面繞中心軸旋轉(zhuǎn),其明暗模式并不隨著表面運動,此時光流在任意地方都等于零,而運動場卻不為零;若球體不動,光源運動,則光流場不為零,而運動場卻等于零。關于光流更加詳細的討論可參見 Barron、高文、馬頌德等的文章。由于孔徑問題的存在,使得僅通過光流約束方程而不用其他信息是無法計算圖像中某點的光流,為此人們提出了各種方法來克服這一問題。 式 (29)給出了光流計算的一個方程,又稱為光流約束方程( Optical 西北工業(yè)大學 本科畢業(yè)設計論文 15 FlowConstraint Equation)。如果圖像中沒有運動目標,則光流矢量在整個圖像區(qū)域是連續(xù)變化的,當物體和圖像背景存在相對運動時,運動物體所形成的速度矢量必然和背景速度矢量不同,從而檢測出運動物體的位置。光流計算方法大致可以分為三類:基于匹配的方法、基于頻域的方法和基于梯度的方法。當場景中有獨立的運動目標時,通過光流分析可以確定運動目標的數(shù)目、運動速度、目標距離和目標的表面結(jié)構。 西北工業(yè)大學 本科畢業(yè)設計論文 14 光流是運動物體被觀測面上的像素點運動產(chǎn)生的瞬時速度場,它包含了物體三維表面結(jié)構和動態(tài)行為的重要信息。主要有基于統(tǒng)計的模型(高斯模型)和基于預測的方法(卡爾曼濾波、維納濾波等)。 對于這些問題,可能的解決辦法是:不斷更新背景模型,使得背景模型具有自適應的功能,解決 背景物體發(fā)生變化的影響和光照漸變的影響;對于室外樹葉的擺動、日光燈的閃爍等情況,可以建立多模的背景模型,如利用混合高斯模型對背景像素建模;對于前景和背景顏色相似的,可以利用能夠測量深度的攝像機捕獲圖像以及圖像中對應于各像素點的深度信息;雖然陰影使得像素點的強度變化比較大,但是其色度信息幾乎保持不變,可以利用色度信息把陰影從前景中消除。 在實際應用中,場景中的背景很復雜,存在各種各樣的干擾,而且背景隨著時間不斷變化,所以適用于整個圖像序列的理想背景是不存在的,因此使用背景去除法的主要困難在于背景模型的 建立和維護。 西北工業(yè)大學 本科畢業(yè)設計論文 12 當前幀圖像( a) 背景圖像( b) 背景去除后的目標( c) 圖 23 采用背景差分法的效果圖 西北工業(yè)大學 本科畢業(yè)設計論文 13 與時間差分法相比,背景去除法能夠提供比較完整的運動目標信息,得到較準確的目標圖像,而且速度快,能適應實時系統(tǒng)的要求。在理想情況下,即背景圖像是完全靜止的,而且具有運動目標的圖像除了運動區(qū)域的像素值發(fā)生了變化,其余屬于背景的部分保持不變。 背景去除法是目前運動目標檢測中最常用的一種方法,它是利用當前幀圖像和背景圖像(參考幀圖像)的差分來檢測運動區(qū)域的一種技術,即將當前幀圖像與背景圖像相減,若差值大于某一閾值,則認為此像素點為運動目標上的一點,閾值大小決定了檢測算法的靈敏度。這種方法檢測運動目標仍然存在不完整問題 Lipton 等利用兩幀差分法從實際視頻圖像中檢測出運動目標,進而用于目標的分類與跟蹤;一個改進的方法是利用三幀差分來代替兩幀差分,如 VSAM 使用一種自適應背景減除與三幀差分相結(jié)合的混合算法;為了提高差分法的性能,Jain 提出了累積圖像差分法 . 西北工業(yè)大學 本科畢業(yè)設計論文 11 幀間差分法其主要優(yōu)點是:算法實現(xiàn)簡單、復雜度低、實時性高,由于相鄰幀的時間間隔較短,對場景光照的變化不太敏感, 受陰影的影響也不是很大,時間差分法對動態(tài)環(huán)境有較好的適應性。而對慢速運動的物體,應該選擇較大的時間差,如果選擇得不適當,最壞情況下目標在前后兩幀圖像中幾乎完全重疊,根本檢測不 到物體。 [9] 一般時間間隔依賴于所監(jiān)視的物體的運動速度。由于本圖幀之間的變化很小,因此選取相鄰幾幀來做 西北工業(yè)大學 本科畢業(yè)設計論文 10 (a) (b) (c) 圖 22 采用 連續(xù)幀間差分法的效果圖 連續(xù)幀間差分方法在動態(tài)環(huán)境下的自適應性是很強的,但是這樣分割出來的區(qū)域?qū)嶋H上是物體前后兩個位置的“或”區(qū)域,比物體實際所在的區(qū)域要大。 ????????TyxF or e g r oundTyxB ac k gr ou ndyx DDRkkk ),(1 ),(0),(39。 ),(),(),(1 yxyxyx ffD kkk ??? ( 21) 其中: ),( yxfk, ),(1 yxfk?為連續(xù)兩幀圖像, ),( yxDk 為幀間圖像。目前,研究人員已經(jīng)在這方面做了大量的研究,提出了許多方法。 人們總是希望有一個通用的運動檢測算法,能適用于各種環(huán)境,在各種場景中都能很好地工作。 檢測算法及概述 運動目標檢測就是對包含運動信息的圖像序 列進行適當?shù)靥幚恚瑥亩コo止的背景,檢測出運動目標及其攜帶的運動信息,并對這些運動信息進行整合,得到關鍵參數(shù),為視覺系統(tǒng)的后續(xù)階段提供可靠的數(shù)據(jù)源。這種方法計算速度很快,可以獲得完整的運動區(qū)域,但對于場景中光照條件和噪聲比較敏感,在實際應用中需要采用一定的算法維護和更新背景模型,以適應環(huán)境的變化。時間差分檢測法對于運動環(huán)境具有較強的自適應性,但一般不能完全提取出所有相關區(qū)域的像素點,在運動實體中容易產(chǎn)生空洞現(xiàn)象。 運動檢測主要有三種方法:光流法、時間差分法和背景去除法。在實際應用中,運動目標的提取通常不是采用單一的檢測算法,而是對某一算法進行改進或是綜合運用幾種算法以求達到更好的效果。 第四章 模板更新,由于目標的大小在變化及拍攝設備姿態(tài)的變化等導致目標變化,因此必須采取模板更新,已保證跟蹤精度。 第二章 主要研究了幀間差分法、時間差分法和背景去除法及算法和各自的適用范圍。 盡管目標跟蹤算法可以大致分為上述幾類,但是這些方法并不是孤立的,在進行目標跟蹤時,為了保證跟蹤的可靠性和準確性,常?;旌鲜褂脦追N算法以得到更好的跟蹤效果。光流方法又分局部光流法和全局光流法,局部光流法能夠準確的反映出運動邊緣處的運動信息,但是對于圖像中的弱紋理區(qū)域不敏感;全局光流法能夠得到每個像素處的光流,但是對于運動邊界處的光流變化不敏感。 3) 基于運動估計的跟蹤 基于運動估計的跟蹤方法是利用圖像序列中目標的運動信息來對目標進行跟蹤的一種方法。由于它只利用 圖像間的灰度相關性作為區(qū)域相似性的判斷依據(jù),對幾何和灰度畸變十分敏感,光照強度變化或目標運動姿態(tài)發(fā)生變化等都將對算法產(chǎn)生較大的影響,計算量偏大。簡單地說,就是在當前幀中尋找與上一幀目標相關性最大的區(qū)域。其不足是要求獨立而準確地初始化邊界,而這在實際應用中往往很難實現(xiàn)。由于只跟蹤已選擇的顯著特征,上一幀目標的特征在下一幀圖像中的可能匹配數(shù)目大大小于相關跟蹤算法,處理的數(shù)據(jù)量小,并且由于特征的精心選取,使得在光照和目標幾何形狀發(fā)生變化時,也能進行目標跟蹤,具有一定的魯棒性。 Polana 將每個行人用一個矩形框封閉起來,封閉框的質(zhì)心被選作跟蹤的特征,在跟蹤過程中,如果兩人出現(xiàn)相互遮擋的情況,只要能區(qū)分質(zhì)心的速度,就能成功地完成人體跟蹤。為了提高跟蹤的魯棒性,往往不只選一個特征,而是選一組特征,在一般情況下,可利用的特征有:角點、直邊緣等局部特征和質(zhì)心、表面積和慣量矩等全局特征,
點擊復制文檔內(nèi)容
研究報告相關推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號-1