检索结果-南通市图书馆

作者：谢捷南京邮电大学

学位级别：硕士

随着人工智能、数字图像处理、模式识别等领域的突飞猛进的发展，智能视频监控日益成为一门应用广泛的综合性学科。其中目标跟踪技术是一种识别目标，提取位置信息，自动跟踪目标运动的技术，是该领域中一个具有重要研究意义的课题。 ... 详细信息

随着人工智能、数字图像处理、模式识别等领域的突飞猛进的发展，智能视频监控日益成为一门应用广泛的综合性学科。其中目标跟踪技术是一种识别目标，提取位置信息，自动跟踪目标运动的技术，是该领域中一个具有重要研究意义的课题。论文的主要内容如下： 1.本文为了准确的表述目标物体特征，引入了一种新型纹理特征表示法LBP8,1纹理，并将这种纹理和颜色特征结合起来，用直方图的形式共同描述目标模型，使得目标表示更精确。实验结果证明，该方法能更明显的反映出目标特性，而算法复杂度没有提高太多。 2.基于传统mean shift跟踪算法易受到遮挡、背景信息干扰等情况。本文采用一种扩展的mean shift算法，它是将纹理和背景权重相结合，采用LBP8,1中五种特征来表示目标纹理，再引入背景加权因子，使得跟踪精度提高明显。通过试验证明该种方法对于目标跟踪有很好的效果。 3.同时为了改善跟踪算法中尺度自适应，本文提出了通过相似度比较更新带宽的新方法。分别计算当前帧和前一帧中中心像素点、边缘像素的相似度函数12,12，通过比较两者大小判断出目标尺度变化情况，以实现尺度更新。实验证明该尺度更新法原始尺度更新法更精确。

关键词：像素点目标跟踪 mean shift 纹理直方图尺度自适应

黎曼流形上非线性mean shift算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

黎曼流形上非线性Mean Shift算法研究

作者：曹楠天津大学

学位级别：硕士

在计算机视觉中，数据聚类问题作为各种实际应用的研究基础，无论是在图像处理领域的图像分割、图像检索的特征聚类阶段，还是在模式识别领域的目标追踪、人脸识别处理过程中，都起着至关重要的作用。聚类结果的好坏，直接影响整个实验... 详细信息

在计算机视觉中，数据聚类问题作为各种实际应用的研究基础，无论是在图像处理领域的图像分割、图像检索的特征聚类阶段，还是在模式识别领域的目标追踪、人脸识别处理过程中，都起着至关重要的作用。聚类结果的好坏，直接影响整个实验过程是否能够顺利进行。作为广泛应用的非参数聚类方法，mean shift首先被推广到黎曼流形的李群空间中，随后，又实现了mean shift在非李群的黎曼流形空间中的应用，自此，mean shift在各种特定流形中的应用逐渐发展起来，受到了研究人员的重视。为了探寻更一般的算法形式，2006年，Raghav提出了非线性mean shift的概念，并给出了黎曼流形上mean shift算法的通用迭代形式。在讨论了算法的理论性质的同时，证明了算法的收敛性。全文工作概括起来，主要包括以下三个方面：首先，在传统mean shift算法的理论基础上，针对其在数据聚类分析和图像分割中的应用，分析说明了不同核函数、核半径和阈值的选择对聚类分析和图像分割结果的影响。通过仿真实验，验证了在相同的核半径（或核带宽）及阈值的情况下，使用不同的核函数，聚类分析和图像分割的结果是不相同的。在使用同一核函数并设定相同阈值的情况下，核半径（或核带宽）的大小也会影响mean shift聚类分析和图像分割的效果。当核函数和核半径（或核带宽）相同时，对比分析不同合并阈值下图像分割结果的差异。其次，在计算机视觉研究中，通常会遇到复杂参数空间变量的聚类问题。此时，参数变量分布在流形空间中，而不是欧氏空间。为了解决实际应用中流形空间中变量的处理问题，通过查找文献，综述了常用的流形空间，李群、Grassmann流形、本质流形的概念和相关性质。最后，针对传统mean shift只能处理欧氏空间数据的局限性，介绍了黎曼流形上的非线性mean shift算法。在此基础上，补充证明了该改进算法的收敛性，提出了迭代点列的收敛条件，为算法的推广和应用提供理论保证。

关键词：黎曼流形 mean shift 算法李群 Grassmann流形本质流形收敛性

基于DSP目标跟踪mean shift算法的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于DSP目标跟踪Mean Shift算法的研究与实现

作者：张宝明长春理工大学

学位级别：硕士

研究一种视觉系统中运动目标跟踪算法是当前该领域的一大重要课题。在研究的过程中可能会遇到种种困难,要克服这种困难研究出一种稳定性好、准确度高、实时性好的运动目标跟踪方法是目前我们所面临的一个挑战。本文采用目前比较流行的... 详细信息

研究一种视觉系统中运动目标跟踪算法是当前该领域的一大重要课题。在研究的过程中可能会遇到种种困难,要克服这种困难研究出一种稳定性好、准确度高、实时性好的运动目标跟踪方法是目前我们所面临的一个挑战。本文采用目前比较流行的一种运动目标跟踪算法：mean shift算法,该算法稳定性好、计算量小、准确度高等优点在跟踪系统中是一种不错的选择。本文采用TI达芬奇TMS320DM6446开发板为硬件平台,嵌入式Linux操作系统为软件平台。对硬件平台进行研究和搭建,对其相关硬件接口程序进行分析和调试,并对结果进行分析;其次对软件开发环境嵌入式Linux操作系统进行构建,主要对Linux操作系统进行移植和调试,最终把mean shift算法打包成codec包移植到DSP端进行算法的实现。本文详细分析mean shift算法实现过程,从对它的理论研究发展过程和实际应用中发现该算法在跟踪过程中目标遇到背景复杂、遮挡明显、运动速度快等情况下有可能会发生目标跟踪丢失。本文通过Matlab对mean shift算法进行了仿真实验,并分析了mean shift算法的实验结果,发现mean shift算法对目标区域内颜色特征的跟踪比较稳定,最后通过改变目标区域内颜色的质心位置重新计算确定跟踪模型,从而减少了所选区域内像素点进而提高了跟踪目标的准确性和稳定性。

关键词： DSP ARM mean shift 算法

融合卡尔曼滤波和mean shift的尺度自适应运动目标跟踪算法的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合卡尔曼滤波和Mean Shift的尺度自适应运动目标跟踪算法的研究...

作者：王凯电子科技大学

学位级别：硕士

当今世界是一个信息急剧膨胀的时代，人们随时随地都会接收到海量的信息，其中视觉信息尤为重要，所以对这些视觉信息的处理逐渐成为人们日益关注的焦点。基于运动目标跟踪的视频分析技术是当今社会研究的热点，其中mean shift算法是常... 详细信息

当今世界是一个信息急剧膨胀的时代，人们随时随地都会接收到海量的信息，其中视觉信息尤为重要，所以对这些视觉信息的处理逐渐成为人们日益关注的焦点。基于运动目标跟踪的视频分析技术是当今社会研究的热点，其中mean shift算法是常用优秀的运动目标跟踪算法之一，本文针对传统mean shift算法的不足，即目标跟踪框的大小不能变化，以及目标在快速运动或者被遮挡时跟踪效果较差的情况，对算法进行了相应的改进。 mean shift算法采用RGB核颜色直方图作为目标模型的描述，同时在meanshift算法框架下提取目标的几何特征，根据目标的型心坐标和面积对跟踪框的位置和大小做实时的更新，并按实际情况更新mean shift的目标模板。针对mean shift算法对快速运动目标以及目标被遮挡时跟踪效果不佳的情况，本文结合卡尔曼滤波器对运动目标的预测功能，将卡尔曼滤波器与mean shift相结合，在每次执行mean shift算法时先以卡尔曼滤波器来预测目标的位置信息，然后再执行mean shift算法对目标位置做进一步修正，增强了目标位置信息的判断机制，使得目标跟踪更加有效。本文算法实现所采用的硬件平台以DM8168多核处理器为核心，同时处理系统以McFW为视频处理系统框架。由DSP核来运行目标跟踪算法，M3VPSS负责视频的捕获和显示，M3Video负责视频的编解码，由ARM核负责控制多个核之间的协同工作。基于以上研究，本文通过与传统mean shift算法进行实验对比，证明改进后的算法在目标尺寸变化明显时具有更好的跟踪效果，同时对于目标快速运动以及被遮挡情况下也具有更佳地跟踪效果。

关键词：目标跟踪 mean shift 几何特征卡尔曼滤波器 DM8168

基于增量带宽mean shift算法与多线程技术的神经干细胞追踪方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于增量带宽Mean Shift算法与多线程技术的神经干细胞追踪方法

作者：党洪亮哈尔滨工程大学

学位级别：硕士

神经元干细胞是中枢神经系统中保持分裂和分化潜能的细胞,对它的研究和应用已成为近年来脑科学研究的一个重要领域。要进行干细胞研究,首先就要有效的定位待研究的细胞位置,研究细胞的运动情况,了解细胞的运动特性及规律,即细胞运动分... 详细信息

神经元干细胞是中枢神经系统中保持分裂和分化潜能的细胞,对它的研究和应用已成为近年来脑科学研究的一个重要领域。要进行干细胞研究,首先就要有效的定位待研究的细胞位置,研究细胞的运动情况,了解细胞的运动特性及规律,即细胞运动分析。目前,细胞运动分析已经成为是细胞研究中重要的组成部分之一。本文采用图像处理法,进行细胞运动研究。以共焦显微镜成像方式获取的体外培养的神经干细胞序列图像作为图像源,运用改进的基于增量带宽的mean shift算法作为追踪方法,并且在本文的最后一章探讨了应用多线程处理技术与基于增量带宽的mean shift算法相结合的方法对细胞进行并行追踪。文章对细胞追踪方法主要做了如下阐述：首先,由于传统方法是采用人机交互的方式,逐个选定目标细胞,这使得每次只能追踪一个细胞,不利于细胞的全自动追踪。针对这种情况,文章中提出以Otsu阈值法对图像进行预处理并获取二值图像,然后提取细胞轮廓线,进而确定细胞质心。该方法可以一次确定所有细胞的质心,为细胞的全自动追踪奠定了基础。其次,改进了经典mean shift追踪算法。对于mean shift算法的应用来说,带宽h是一个至关重要的参数,它决定了参与mean shift迭代的样本数量。应用经典mean shift算法进行细胞追踪时,一般依据目标细胞初始大小采用固定的带宽。但是在细胞分布较密集的情况下,如果采用固定带宽的mean shift算法,容易造成目标丢失。本文针对细胞尺寸较小的实际情况,提出增量带宽的思想,即将原始带宽h选取得较小,在迭代过程中,根据收敛的情况,对带宽适当增加△h,直到达到最佳收敛。针对不同的目标细胞,迭代收敛所需的带宽是不同的。增量带宽方法也可以被认为是一种自适应带宽方法。最后,结合多线程计算技术,采用VC++与Matlab混合编程的方法,实现了单处理器平台上多细胞的并行追踪,并取得了比较好的结果。

关键词：细胞跟踪 mean shift 多线程增量带宽

基于mean shift的视频监控运动目标的跟踪算法研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Mean Shift的视频监控运动目标的跟踪算法研究与实现

作者：张洪杰东北大学

学位级别：硕士

在日益追求自动化的今天,人们迫切需要设计一种自动对场景中运动目标进行实时监视的高智能化监控系统,这种系统一般具有运动目标检测和跟踪等自主功能.本文主要就运动目标跟踪这一功能展开研究.目标跟踪可以提供被监控目标的运动轨迹,... 详细信息

在日益追求自动化的今天,人们迫切需要设计一种自动对场景中运动目标进行实时监视的高智能化监控系统,这种系统一般具有运动目标检测和跟踪等自主功能.本文主要就运动目标跟踪这一功能展开研究.目标跟踪可以提供被监控目标的运动轨迹,也为目标的运动分析提供了可靠的数据信息.本文在借鉴相关领域技术的基础上,主要做了下面的工作. 本文首先分析了视频监控中目标跟踪算法的研究现状,阐述了现存目标跟踪算法存在的问题.其次,详细介绍了mean shift理论及其在跟踪算法中的应用.然后,分析其优缺点,提出问题——mean shift跟踪算法对当背景和目标的颜色分布相似时或光照发生变化时,跟踪效果欠佳.针对这一问题,本文提出一种基于颜色与局部二元模式（LBP）纹理特征自适应融合的mean shift跟踪算法,该算法用局部二元模式（LBP）纹理特征来描述目标的形状,弥补了颜色特征的不足.最后针对传统的mean shift跟踪算法不能很好地跟踪快速运动的目标这一问题,提出一种基于GM（1,1）模型的mean shift跟踪算法.该算法首先根据先前的目标真实位置信息,用GM（1,1）模型预测目标的下一位置,将这一位置点作为目标的起始点,然后利用mean shift算法在这点的邻域内寻找目标真实的位置,快速运动目标的跟踪就可以得到很好的解决.

关键词：视频监控运动目标跟踪 mean shift 颜色特征局部二元模式 GM(1,1)模型

基于mean shift算法和卡尔曼滤波的视频目标跟踪技术研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Mean Shift算法和卡尔曼滤波的视频目标跟踪技术研究

作者：胡波宁波大学

学位级别：硕士

视频目标跟踪是当前计算机视觉研究领域的热点问题,在视频监控、机器人视觉导航、军事制导、医疗诊断、以及人机交互等很多方面有着广泛的应用。视频目标跟踪就是对视频序列中的运动目标进行检测、提取、识别、跟踪的过程,它能够为下一... 详细信息

视频目标跟踪是当前计算机视觉研究领域的热点问题,在视频监控、机器人视觉导航、军事制导、医疗诊断、以及人机交互等很多方面有着广泛的应用。视频目标跟踪就是对视频序列中的运动目标进行检测、提取、识别、跟踪的过程,它能够为下一步的视频分析和理解提供基础。在实际场景中,目标的跟踪往往受本身运动状态、遮挡物、目标形变、光照变化、背景噪声等因素的影响而变得十分困难。虽然很多学者对视频目标跟踪进行了研究,但是开发出一套适合任何复杂环境的视频目标跟踪算法仍然存在较多困难。本文首先对运动目标检测技术进行了研究,主要分析了帧差法和背景更新法。在目标检测的基础上重点研究了mean shift算法和卡尔曼滤波对运动目标的跟踪效果,并根据实际情况提出了改进算法。1.提出一种卡尔曼滤波理论和自适应mean shift算法相结合的跟踪方法,解决了目标变形、部分遮挡、运动速度过快问题。首先在初始帧中确定跟踪目标并计算H分量直方图,将每帧图像转化为该直方图的概率投影图。在当前帧中用卡尔曼滤波预测目标起始位置,再用自适应的mean shift算法跟踪视频目标。该方法对刚体、非刚体和多目标的跟踪都具有良好的自适应性。2.又提出了一种采用Bhattacharyya系数最大化并联合时空域信息的视频目标跟踪方法。时域通过卡尔曼滤波预测目标的运动信息,空域用Camshift算法精确匹配视频目标。由于运动目标机动性比较强,卡尔曼滤波预测的位置和真实位置存在较大的误差,容易导致下一步跟踪失败。本文采用基于Bhattacharyya系数的由粗到精的核匹配搜索方法,在卡尔曼滤波预测的位置基础上用自适应搜索窗口来扩大搜索范围,通过Bhattacharyya系数最大化确定初始匹配窗口,再用Camshift算法精确匹配视频目标。该方法对机动快速运动目标具有很高的跟踪精度。

关键词：目标跟踪 mean shift 卡尔曼滤波 Bhattacharyya系数 Camshift

基于mean shift和空间直方图的目标跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Mean Shift和空间直方图的目标跟踪算法研究

作者：张海强重庆邮电大学

学位级别：硕士

目标跟踪技术已成为计算机视觉领域内一个重要研究内容，目前已广泛应用于人机交互、医疗诊断、视觉监控、军事领域等。目标跟踪的基本思想是在序列图像中根据视频信息在空间和时间上的相关性，确定目标在后续帧中的位置和状态。众多跟... 详细信息

目标跟踪技术已成为计算机视觉领域内一个重要研究内容，目前已广泛应用于人机交互、医疗诊断、视觉监控、军事领域等。目标跟踪的基本思想是在序列图像中根据视频信息在空间和时间上的相关性，确定目标在后续帧中的位置和状态。众多跟踪算法中，由于mean shift算法具有实时性、鲁棒性、易实现等特点，近年来引起了广泛地关注。本文的主要研究内容是基于mean shift的目标跟踪算法。mean shift算法是一种基于特征概率密度统计的建模方法。跟踪过程中，目标区域通常由用户选定或者使用目标检测方法来确定，并建立相应的目标直方图。通过Bhattacharyya系数作为相似性度量，mean shift算法在后续帧中迭代地搜索目标模型的最佳候选区域。但当跟踪环境中目标和背景相近，目标尺度变化或者目标处于被遮挡状态时，这种建模方法难以很好的跟踪目标，导致算法的跟踪性能下降。本文针对传统mean shift算法在复杂场景下跟踪性能不能满足跟踪要求的情形下，做出以下改进：（1）针对传统直方图信息单一性的不足，通过引入每个直方图区间的空间均值和方差，建立空间直方图模型，大大降低了跟踪中因目标信息单一引起的目标定位偏差;（2）当跟踪目标尺度变化较大时，固定跟踪窗口的mean shift跟踪算法容易丢失跟踪目标，文中结合目标检测和边缘检测的知识，实时检测目标的边缘信息，确立目标的实时尺度，进而更新模版窗口大小;（3）当目标被严重遮挡时，针对meanshift跟踪算法无法对目标进行预测和跟踪导致丢失目标，本文中通过Bhattacharyya系数判断目标是否处于遮挡状态，当处于遮挡时，通过建立GM（1,1）预测模型对后续帧中目标位置进行预测。实验结果表明，改进的算法能进一步改善以上几点不足。

关键词：目标跟踪 mean shift 空间直方图 GM(1,1)模型

基于mean shift的多模板目标跟踪算法的研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于MEAN SHIFT的多模板目标跟踪算法的研究

作者：丁晓凤昆明理工大学

学位级别：硕士

运动目标跟踪技术一直以来都是计算机视觉领域内重要的研究课题,近年来,运动目标跟踪技术不断得到发展,且在军事、交通以及教育医疗等方面都得到了广泛的应用。但目标状态突变、目标遮挡等问题仍然是该领域的研究难点和研究热点。本文... 详细信息

运动目标跟踪技术一直以来都是计算机视觉领域内重要的研究课题,近年来,运动目标跟踪技术不断得到发展,且在军事、交通以及教育医疗等方面都得到了广泛的应用。但目标状态突变、目标遮挡等问题仍然是该领域的研究难点和研究热点。本文分别对运动目标跟踪技术的理论发展、应用以及当前的难点进行了研究与分析,并根据已有的算法,提出了改进的思想。首先,传统基于mean shift的运动目标跟踪算法因具有计算量小、收敛速度快、能够基本达到实时跟踪的优点,而倍受研究者的关注。本文对基于mean shift的目标跟踪算法进行了分析与研究,并对其存在的问题进行总结：(1)若前面帧跟踪不准确,则后续帧会越来越严重偏离真实目标的位置;(2)当目标发生突变或者严重帧丢失的情况下,若前一帧的目标与当前帧内实际目标在颜色上差别较大时,很难做到准确跟踪;(3)当发生严重或全部遮挡后,目标信息会严重丢失,导致跟踪失败。针对这些问题,本文提出了多模板的思想,在传统的mean shift算法的基础上添加和维护多样性的模板库,丰富了目标的描述信息,并用室内室外(实验室自制及国际公开数据库)视频进行测试,取得了较好的效果,提高了算法在运动目标状态突变及遮挡情况下的鲁棒性。本文利用SIFT描述符具有尺度、旋转不变性及对光照变化及噪声不敏感等优良特性,对多模板算法继续改进,加入SIFT特征空间信息,提出了基于SIFT的多模板目标跟踪算法。当通过颜色信息不能对目标准确跟踪时,可以通过SIFT特征来定位目标,减少了多模板算法过于依赖颜色信息的问题。实验结果表明：鲁棒性得到了进一步提高。

关键词：目标跟踪 mean shift 多模板模板库 SIFT

基于mean shift的运动目标跟踪算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Mean Shift的运动目标跟踪算法研究

作者：李晓然燕山大学

学位级别：硕士

在人类所感知的外部世界的信息中，视觉信息占了80%以上，图像信息的重要性由此可见一斑。最近短短几十年的时间里，以计算机为核心的视频图像处理技术突飞猛进。运动目标跟踪作为视觉图像处理领域的核心问题之一，在民用和军事等众多... 详细信息

在人类所感知的外部世界的信息中，视觉信息占了80%以上，图像信息的重要性由此可见一斑。最近短短几十年的时间里，以计算机为核心的视频图像处理技术突飞猛进。运动目标跟踪作为视觉图像处理领域的核心问题之一，在民用和军事等众多领域内都有广泛的应用，对其进行深入的研究具有重要的理论意义和实用价值。本文在深入研究和分析国内外优秀成果的基础上，对图像特征进行了深入研究，在mean shift框架下提出了一些改进的算法。主要工作如下：首先，用C++高级程序设计语言编写代码，在linux下实现了用颜色直方图对运动目标区域进行建模的mean shift运动目标跟踪算法。并在两个视频序列上做了实验，验证了算法和所编写的代码的有效性，为算法走向实际应用奠定了基础。其次，针对mean shift算法本身不能自适应运动目标在尺度大小和方向上的变化，及其他基于mean shift的改进算法要么较为复杂要么效果不好的不足，提出了引入加权的背景直方图，用它和颜色直方图来共同构建目标模型，进而使目标图像的概率密度函数更好、更加接近于真实的分布，而后在新构建的概率密度函数的基础上用图像的矩特征来估计运动目标的尺度大小和方向变化。实验结果表明，与以前的算法相比，该算法不但能够很好的自适应运动目标的大小和方向变化，而且算法的迭代次数更少实时性得到了很好的提升，也更加的鲁棒。最后，针对以前的mean shift算法没有充分利用图像的纹理特征和结构信息的缺陷，结合图像纹理提取的局部二值模式(LBP)，提出了引入能将图像区域的全局结构信息引进来的局部二值模式分布差异算子(Local Binary Pattern Variance-LBPV)，然后再结合颜色特征来对目标进行混合建模的新的目标模型，这样就用图像的多个本质特征来共同建立表征目标的模型。实验结果表明，与以前的算法相比，该算法具有更好的鲁棒性能用到更广的范围内，而且实时性也得到了一定的提高。

关键词：目标跟踪 mean shift 颜色直方图图像纹理图像矩加权背景直方图