版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、運動目標的檢測和跟蹤技術(shù)作為視頻圖像處理中的一個關(guān)鍵技術(shù),在人機交互、交通安全、視頻監(jiān)控、軍事和公共安全管理等領(lǐng)域得到了廣泛的應(yīng)用。本文在對運動目標檢測和跟蹤算法研究的基礎(chǔ)上,提出了一些算法的改進方法,并通過實驗驗證了改進方法的有效性和穩(wěn)定性。本論文的主要工作如下:
首先,在運動目標檢測方面,通過對已有的檢測方法進行深入分析,并重點研究了基于碼書模型的運動目標檢測算法。碼書模型是一種基于運動信息的檢測方法,當目標的運動信息不足
2、時,可能會出現(xiàn)誤檢或局部檢測等問題。針對碼書模型存在的不足,通過聯(lián)合目標的空間整體信息,提出了一種基于碼書模型的自適應(yīng)背景更新算法,使其在處理緩慢移動目標和只有局部運動目標時減少誤判。該方法通過對運動目標空間信息變化進行分析,尋找前景中潛在背景,然后聯(lián)合像素時域統(tǒng)計信息,得到真正的背景模型。實驗結(jié)果表明,該算法可以快速適應(yīng)背景變化,提高碼書模型處理能力,能明顯減少對運動信息不足目標的誤判,同時保證目標檢測的完整性。
其次,在目
3、標跟蹤方面,本課題重點研究了基于卡爾曼濾波器和mean-shift的目標跟蹤算法。針對現(xiàn)有基于多特征融合的跟蹤算法在復(fù)雜環(huán)境下跟蹤準確度不高,且大部分采用單一判定方式來實現(xiàn)多特征融合的問題,提出了一種多準則判定的自適應(yīng)多特征融合方法。首先引入局部背景信息加強對目標的描述,然后在多特征融合過程中利用多種判定準則自適應(yīng)計算特征權(quán)值。最后,在均值漂移框架下,結(jié)合卡爾曼濾波完成對目標的跟蹤。在各種場景下的實驗結(jié)果比較表明:本文融合算法比單種判定
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 視頻序列中運動目標檢測技術(shù)研究.pdf
- 基于視頻序列的運動目標檢測與跟蹤技術(shù)研究.pdf
- 數(shù)字視頻序列運動目標檢測與跟蹤技術(shù)研究.pdf
- 視頻序列中運動目標檢測跟蹤算法研究.pdf
- 圖像序列中運動目標檢測跟蹤技術(shù)研究.pdf
- 視頻序列中運動目標檢測與跟蹤技術(shù)的研究.pdf
- 視頻中運動目標檢測與跟蹤技術(shù)研究.pdf
- 視頻序列中的運動目標檢測與跟蹤.pdf
- 視頻序列中運動目標檢測關(guān)鍵技術(shù)研究.pdf
- 視頻序列中運動目標檢測和識別技術(shù)研究.pdf
- 視頻監(jiān)控中運動目標檢測與跟蹤技術(shù)研究.pdf
- 視頻序列中運動目標的檢測與跟蹤.pdf
- 視頻序列中運動目標檢測與跟蹤方法研究.pdf
- 視頻序列中的運動目標檢測與跟蹤研究.pdf
- 視頻序列中多運動目標的檢測與跟蹤技術(shù)的研究.pdf
- 視頻中運動目標檢測及跟蹤技術(shù)的研究.pdf
- 視頻序列中運動目標的檢測與跟蹤(1)
- 視頻序列中的目標跟蹤技術(shù)研究.pdf
- 視頻圖像序列中運動目標檢測和跟蹤的研究.pdf
- 視頻序列中運動目標的檢測與跟蹤算法.pdf
評論
0/150
提交評論