原文传递
基于目标和运动信息的Mean-Shift算法在视觉车辆跟踪中的应用
| 论文题名： | 基于目标和运动信息的Mean-Shift算法在视觉车辆跟踪中的应用 |
| 关键词： | 车辆跟踪;Mean-Shift算法;目标信息;运动估计;颜色特征 |
| 摘要： | 基于计算机视觉的车辆跟踪多年来一直是热门的研究课题之一,它是智能交通的基础。视觉车辆跟踪技术涉及到诸多学科,它不仅与图像处理技术、计算机视觉息息相关,还与人工智能和模式识别等紧密联系。虽然目前有目标跟踪算法在车辆跟踪上的应用,但是目标车辆本身特征的可变性、背景的干扰、跟踪过程中目标的遮挡问题以及车辆的快速运动都成为了影响跟踪准确性的因素。因此,研究一种准确度高、鲁棒性强的车辆跟踪算法依然是目前迫切需要解决的问题。 本文首先介绍了车辆跟踪在国内外的研究现状,接着研究了传统 Mean-Shift算法在车辆跟踪中的应用。接着本文针对车辆跟踪中目标尺度变化、背景干扰、遮挡及目标快速运动等问题,在基于颜色特征的Mean-Shift算法基础上,结合目标信息和运动估计成功实现了车辆跟踪。由于目标车辆在移动的过程中尺度可能发生变化,或者被其它干扰物遮挡,这就使目标模型与候选模型之间的相似性系数降低,导致Mean-Shift算法陷入局部最优,从而造成定位失败。在本文中,在Mean-Shift算法基础上,结合了目标的信息,提高了Mean-Shift算法对目标尺度变化的适应性并优化了模型;当目标被严重遮挡时,结合运动估计,利用卡尔曼滤波预测目标的位置,从而弥补了Mean-Shift算法在处理遮挡问题时的不足。 此外,本文还针对Mean-Shift在跟踪快速移动的目标车辆容易陷入局部最优的问题,利用卡尔曼滤波器优化后的初始中心克服了基本Mean-Shift算法用泰勒级数估计当前帧初始窗口精度不高的缺陷。 最后实验结果表明,改进的Mean-Shift算法能准确的对目标进行跟踪。 |
| 作者： | 王含嫣 |
| 专业： | 控制科学与工程 |
| 导师： | 李军 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
