面向监控视频的行人跟踪算法设计与实现
时间:2018-07-13 09:14 来源:毕业论文 作者:毕业论文 点击:次
| 摘要视频监控技术是一种利用摄像头采集到的视频图像对目标进行检测、跟踪，并对目标的行为进行识别和理解的技术。随着计算机技术、通讯技术以及电子技术的快速发展，视频监控技术得到了广泛的研究与应用，逐渐成为了计算机视觉领域的研究热点。行人跟踪是视频监控技术中的核心内容。近年来，国内外研究人员提出了许多有关行人跟踪的算法。本文介绍了TLD、struck、mean shift、LSST、L1-APG、IVT和CT七种先进的实时跟踪算法。在深入研究TLD算法的基础上，对TLD算法进行实验与分析，将其结果与struck、L1-APG算法的实验结果进行对比，并针对TLD算法的不足，提出改进方案。25723 关键词 视频监控，行人跟踪，实时应用 毕业论文设计说明书外文摘要 Title Design and Implementation of Pedestrian Tracking for Video Surveillance Abstract The purpose of video surveillance is to detect, track and understand the target motion, utilizing video images captured by cameras. As the rapid development of computer, communication and electronic technology, video surveillance technology has been widely researched and applied, gradually becoming a hot research in the field of computer vision. Pedestrian tracking is the core content of the video surveillance system. In recent years, domestic and foreign researchers have proposed some relevant pedestrian tracking algorithms. This paper introduces seven advanced real-time tracking algorithms. They are TLD, struck, mean shift, LSST, CT, L1-APG, IVT and CT. Based on the in-depth study of TLD algorithm, experiments and analysis are implemented, and the experiment results are compared with those of struck, L1-APG algorithm. Aiming at solving the problems of TLD algorithm, an improved method is proposed. Keywords video surveillance, pedestrian tracking, real-time application 目 次 1 绪论 1 1.1 引言… 1 1.2 课题背景及研究意义 1 1.3 国内外研究现状 2 1.4 主要研究内容… 6 1.5 论文的结构安排 6 2 目标跟踪算法介绍 7 2.1 引言… 7 2.2 TLD算法 7 2.3 Struck算法 8 2.4 Mean Shift算法… 8 2.5 LSST算法… 9 2.6 L1-APG算法 10 2.7 IVT算法… 10 2.8 CT算法 11 2.9 本章小结… 11 3 TLD算法研究与实现… 12 3.1 引言… 12 3.2 TLD框架… 12 3.3 TLD流程图 14 3.4 TLD实验与分析 15 3.5 本章小结… 25 4 未来工作展望 26 4.1 引言… 26 4.2 基于SIFT和HOG的粒子滤波器 26 4.3 TLD算法的改进方案 27 4.4 本章小结… 28 结论 … 29 致谢 … 30 参考文献… 31 图1.1 struck支持向量集的可视化 8 图3.1 TLD框架图… 12 图3.2 检测模块流程图… 14 图3.3 学习模块流程图… 14 图3.4 TLD流程图… 15 图3.5 TLD数据集… 17 图3.6 PKU-SVD-B数据集 18 图3.7 01_David数据中的五帧输出结果 20 图3.8 04_pedestrian2数据中的五帧输出结果… 20 图3.9 07_motocross数据中的五帧输出结果 21 图3.10 10_panda数据中的五帧输出结果… 21 图3.11 imgs4数据中的四帧输出结果… 23 图3.12 imgs2数据中的四帧输出结果… 24 图3.13 imgs5数据中的四帧输出结果… 24 图3.14 imgs9数据中的四帧输出结果… 25 表3.1 TLD数据集说明… 16 (责任编辑：qin) |