菜单
  

    视频目标跟踪技术是对视频信号进行处理、分析和理解,在序列图像中找到所感兴趣的目标所处的位置,并对伺服系统进行控制,从而完成复杂的功能,典型的系统结构如图1.1所示[10]。64505

    典型视频目标跟踪系统框架

    图1.1 典型视频目标跟踪系统框架

    目标跟踪算法依据驱动方式可以分为:自顶向下的处理方法和自底向上的处理方法[11]。

    自顶向下的处理方法是数据驱动的,其经典算法是Mean-Shift跟踪算法[12]。人们对Mean-Shift跟踪算法的研究主要集中在以下几个方面:(1)Mean-Shift跟踪算法的尺度自适应问题。(2)Mean-Shift跟踪算法的旋转自适应问题。(3)算法收敛到局部极值点的问题。(4)提高抗干扰能力以及低背景对比度下的鲁棒性。虽然研究者们从各自的角度对Mean-Shift跟踪算法进行了多种改进,但这些改进往往会对算法带来一些新的问题[13]。例如,对Mean-Shift的尺度自适应问题,SPMSA由于存在小尺度游荡和尺度跟踪滞后问题,实际上并没有彻底解决尺度自适应问题;基于特征点估计的方法和基于仿射参数估计的方法不但计算量大,而且使Mean-Shift算法丧失了跟踪非刚性目标的能力。如何解决上述问题仍然值得进一步研究[14]。论文网

    自上而下的处理方法是模型驱动的,这种方法对图像分析结果的依赖性不是很强,这是因为目标假设对图像分析形成了一种强约束[15]。然而,自上而下的方法的性能却依赖于假设状态的生成以及评价方法,其经典算法是粒子滤波算法。自上而下的方法是用滤波—关联的思路处理跟踪问题,即根据序贯获得的图像观测、依据某种最优准则,递推估计目标的状态,如位置、尺度、转角等[16]。例如KF的方法、基于UKF的方法。对于自上而下的方法来讲,先验知识如何表达一直是个难题,如目标运动模型的选取方法缺乏统一的指导思想[17]。

    自上而下与自下而上的方法在目标的跟踪问题上各具优缺点,将这两类算法相结合可以实现优势互补。例如,Zhaowen Wang等人提出将Camshift算法与粒子滤波的贝叶斯概率框架结合,优化粒子滤波的分布情况,改善了粒子滤波的运算复杂度[18]。Caifeng Shan等提出的方法将Mean-Shift算法嵌入到粒子滤波算法中,来提高粒子滤波的采样有效性[19]。另一些算法则通过Kalman滤波首先对运动目标的下一步动态进行预测,再在预测到的位置附近小范围内用Mean-Shift算法迭代出运动目标的位置。

    本文主要针对因机载摄像机运动引起的动态运动场景进行研究,寻求复杂场景下高效准确的运动目标跟踪方法[20]。

  1. 上一篇:小型无人旋翼飞行器技术国内外研究现状
  2. 下一篇:多传感器网络的估计及滤波处理国内外研究现状
  1. 图像和视频中的文字提取...

  2. FPGA视频图像处理的发展研究现状和参考文献

  3. 目标识别的国内外研究现状

  4. 二维视频三维化发展研究现状

  5. 目标RCS研究现状及其发展趋势

  6. 太阳自动跟踪系统国内外研究现状

  7. 人体检测和跟踪国内外研究现状和参考文献

  8. 十二层带中心支撑钢结构...

  9. 酸性水汽提装置总汽提塔设计+CAD图纸

  10. 当代大学生慈善意识研究+文献综述

  11. java+mysql车辆管理系统的设计+源代码

  12. 河岸冲刷和泥沙淤积的监测国内外研究现状

  13. 中考体育项目与体育教学合理结合的研究

  14. 杂拟谷盗体内共生菌沃尔...

  15. 乳业同业并购式全产业链...

  16. 大众媒体对公共政策制定的影响

  17. 电站锅炉暖风器设计任务书

  

About

751论文网手机版...

主页:http://www.751com.cn

关闭返回