变化背景目标检测和跟踪应用的研究

《变化背景目标检测和跟踪应用的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中原工学院学位论文原创性声明本人郑重声明：所呈交的学位论文，是我个人在导师的指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含任何其他个人或集体已经公开发表或撰写过的研究成果。其他同志对本研究的启发和所作的贡献均已在论文中作了明确的声明并表示了谢意。本人学位论文与资料若有不实，愿意承担一切相关的法律责任。学位论文作者签名：年月日中原工学院学位论文知识产权声明书本人完全了解中原工学院有关保护知识产权的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于中原工学院。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可

2、以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。保密论文待解密后适合本声明。学位论文作者签名：指导教师签名：年月日年月日中原工学院硕士学位论文摘要变化背景目标检测与跟踪应用研究专业：计算机应用技术硕士生：张洪杰指导教师：刘卫光教授摘要变化背景指的是视频图像序列中目标的背景是动态的、可变的。传统的目标检测与跟踪系统中，背景相对静止或者背景变化但较为简单，仅作为噪声来处理，而现实情况中背景变化对目标检测和跟踪的影响是不可忽略的，传统的方法甚至可能造成目标的丢失。变化背景目标检测与跟踪技术的研究是计算机视觉领域中较为热门基础的课题之一

3、，也是非常具有挑战性的课题，在现实生活中具有重要的实践意义和理论价值，同时，在工业、国防等领域也有着较为广阔的应用前景。本论文将研究课题分为目标检测和目标跟踪两个部分，先对几种具有代表性的目标检测算法进行理论分析，重点研究了AdaBoost检测算法，并针对现实情况的要求，对AdaBoost算法的参数的遍历范围进行了限定，同时使窗口比例缩放系数能够自适应调整。实验结果表明，本论文所采用算法具有较高的精度和实时性，能快速准确地检测到目标。在目标跟踪部分，论文对若干种主流目标跟踪算法进行理论分析和对比，最终选用粒子滤波算法对检测阶段得到的目标进行跟踪。为了保证较强的鲁棒性，使用了多特征融合的粒子

4、滤波方法；为应对粒子退化问题，引入MeanShift算法，发挥其聚类作用，限制粒子的数量，同时也达到了较好的跟踪效果。本论文研究设计的目标检测与跟踪系统的适用范围较广，可用于各类刚体和非刚体目标，例如人脸、人体、车辆及飞行物等，由于篇幅所限，本论文仅以最热门的人脸和人造物体作为实验对象进行了研究，其他各类目标亦同。本论文最后将目标检测和目标跟踪技术进行整合，完成了一套变化背景下的目标检测与跟踪系统的设计，具有一定的理论意义和实用参考价值。关键词:目标检测，目标跟踪，AdaBoost，多特征融合，粒子滤波，MeanShiftI中原工学院硕士学位论文摘要Researchonapplicatio

5、nofobjectdetectingandtrackinginchangingbackgroundSpeciality:ComputerapplicationtechnologyName:ZhangHongjieSupervisor:ProfessorLiuWeiguangAbstractVariedbackgroundreferstothebackgroundoftheobjectinvideoimagessequenceisdynamicandvariable.Objectdetectionandtrackingsystem,thebackgroundofthetraditionalr

6、elativelystaticorbackgroundchangebutisrelativelysimple,onlytreatedasnoise,andintherealitybackgroundchangesontheobjectdetectionandtrackingisnottobeignored,theinfluenceofthetraditionalmethodsandevenmaycausethelossoftheobject.Variedbackgroundresearchonobjectdetectionandtrackingisthebasisinthefieldofc

7、omputervisionandoneofverychallengingissueshasimportantpracticalsignificanceandtheoreticalvalue,atthesametimeintheindustry,nationaldefenseandotherfieldshavebroadapplicationprospects.Forobjectdetectionandobjecttrac