基于自适应颜色属性的视频目标跟踪算法的设计与实现
时间:2018-08-28 21:00 来源:毕业论文 作者:毕业论文 点击:次
| 摘要视觉跟踪是计算机视觉中的一个具有挑战性的问题。目标跟踪是高层计算机视觉任务，在现实诸多领域有相关应用，各种学科的交叉使得视频跟踪新技术层出不穷。目标跟踪广泛应用于视频监控、视觉伺服、人机交互、视频压缩等方面。随着科技的日新月异，人们对视觉跟踪技术提出了更高的要求。 本文先介绍了国内外视频目标跟踪技术的发展情况以及相关的基础知识，然后从颜色的标准化、表示方法、降文技术以及分类器的更新来详细说明基于自适应颜色属性的视频目标跟踪技术。最后进行大量实验，对这种技术的结果进行定性定量的分析。 27576 毕业论文关键词 跟踪技术 跟踪算法 颜色属性 Title Adaptive Color Attributes for Real-Time Visual Tracking Abstract Visual tracking is a challenging problem in computer vision. Target tracking is a high-level computer vision tasks, in reality many fields have related applications, various disciplines cross that video tracking new technology emerge in endlessly. Target tracking is widely used in video surveillance, visual servo, human-computer interaction, video compression, etc. With the progress of science and technology, people put forward higher requirements for visual tracking technology. This paper first introduces the development of video target tracking technology and related basic knowledge, and then from the color of the standardization, the said method, dimension reduction techniques as well as the classifier to update detailing the video target tracking technology based on adaptive color attribute. At last a large number of experiments, the results of this technology in qualitative and quantitative analysis. Keywords Tracking technology tracking algorithm color attribute 目 次 1引言 .. 1 1.1 研究的背景和意义. 1 1.2 研究的现状 .. 2 2 相关知识 . 4 2.1 数字图像 4 2.2 数字图像处理基本内容 . 4 2.3 目标跟踪技术 4 2.4 目标特征 4 2.5 目标表示方法 5 2.6 目标跟踪算法 6 2.7 模型更新 7 2.8 目标跟踪的影响因素 .. 7 2.9 常用跟踪器 .. 7 3 基于自适应颜色属性的视频目标跟踪算法 . 11 3.1 颜色标准化 11 3.2 颜色的表示 11 3.3 低文自适应颜色属性 11 3.4 更新分类器 13 3.5程序流程图 . 14 4 实验 .. 15 4.1 实验评估参数 . 15 4.2 实验结果及分析 15 结 论 .. 22 致 谢 .. 23 1 引言 计算机视觉是一门研究如何从图像中获得信息并处理信息的学科。近年来，随着计算机视觉理论的发展和算法研究的不断深入，计算机视觉系统被研究者大量的使用在人机交互、汽车导航、视频监控、自动检测装置等方面来便利我们的生活。典型的视觉感知过程需要完成对目标的检测和跟踪来获得相关的目标信息后根据所需来进行下一步的工作。 1.1 研究的背景和意义 “911”事件和棱镜门事件充分说明了安防监控的重要性和紧迫性。越来越多的国家政府部门、企业单位开始重视安防监控技术。目标跟踪作为基础和关键技术应用于民用生活和军事安全领域，主要包括： 1.视频监控 视频监控是安全防范系统的重要组成部分，在学校、银行、商场等地方被广泛使用来监控人的行为为人民生活提供保障。它通过摄像机采集到视频图像序列，处理图像信息后对信息分析和理解，进而达到对视频监控系统的智能化控制。例如：识别场景内的人为活动、对车辆及车辆异常进行检测，军事上对敌方目标进行跟踪等。 视频监控系统的发展可划分为三代。第一代模拟视频监控系统（CCTV），第二代基于“PC+多媒体卡”数字视频监控系统（DVR），第三代完全基于IP网络视频监控系统（IPVS）[1]。 2.视觉导航 视觉导航是基于计算机视觉和相关技术获取对象的运动信息和空间地理位置的技术，地面智能机器人、无人驾驶汽车、无人驾驶飞机等系统中都应用了视觉导航技术。 地面智能机器人能够根据信息完成零件的抓取、焊接、涂密封剂、微观手术等工作。 无人驾驶汽车又称为轮式移动机器人，它利用车载传感器来获得周围环境的信息，如：道路状况、车辆位置和障碍物信息等，从而能够控制车辆的速度和转向。 视觉导航和定位系统分为两类[2]，一是基于地图的导航系统，一是无地图的导航系统。前者通过对场景内的特定图像目标的提取和跟踪完成实时定位、绘图和自我定位的任务。后者则是通过光流场特征，估计图像序列的运动来计算得到自身运动情况。 3.三文重构 三文重构[3]是指对客观空间上的三文物体建立适合计算机表示和处理的数学模型,使计算机能够对图像信息进行进一步的应用处理，如：城市建模、人体三文运动、人体姿态重构等。在计算机视觉中将三文重构定义为根据单视图或者多视图的图像重建三文信息的过程。三文重构的过程为图像获取、摄像机标定、特征提取、立体匹配、三文重建[4]。其中视频目标跟踪技术是三文重构的重要技术。 4.人机交互 人机交互研究的是系统与用户之间的交互关系，指的是人与计算机之间使用某种对话语言，以一定的交互方式，为完成确定任务的人与计算机之间的信息交换过程[5]。它要求计算机能辨别对象的手势、动作、语言、表情等。在医疗领域，可以用来服务儿童、老人等病人，在他们需要帮助照顾时满足他们的要求；在教育领域，可根据学生表情和动作获得授课反馈，方便教师调整授课方式。 1.2 研究的现状 1.2.1 国外研究现状 美国的国防部高级项目署早在 1997 年就设立了视觉监控的重大项目 VSAM（Video Surreillance and Monitoring ）。该项目由卡耐基梅隆大学、麻省理工大学以及其他高校参与组成。他们研究和利用网络通信、视频理解、多种传感器融合等技术来开发监控系统，目的是为了使监控系统达到能够精确识别目标或者是能够跟踪特定的多个目标，更进一步则是为了系统能够识别人的行为。该项目署在2000年的时候又提出了远距离的身份识别研究计划，这个计划跟前者不同的方面是，它侧重的是在远距离的条件下的视频分析与处理，在民用和军用方面，它的实用价值高于前者。 在一些发达的国家和地区，如日本和欧洲，也有很多的大学和研究机构前赴后继的加入视频目标跟踪技术研究的大军当中。他们有很多的研究计划和项目系统，如比利时的Katholieke大学的电子工程系就是受到欧盟EULTR（European Union Long Term Research）的资助。 1.2.2 国内研究现状 在国内，有清华大学、浙江大学、华中科技大学等高校对视频目标跟踪处理展开了深入的研究，海康威视、大华技术、宇视科技等是我国安防的龙头企业，他们不断推进我国安防技术的发展。 大多数的最进的视觉跟踪是依靠亮度信息。相反，在视觉跟踪、目标识别和检测中，复杂的颜色特征结合亮度显示能够提供卓越的性能。由于跟踪问题的复杂性，所需的颜色特征应该是计算效率高，且具有一定的光度不变性的同时保持较高的辨别力。 最先进的追踪算法，要么依赖强度，要么依赖纹理信息。虽然视觉跟踪已经取得了显著的进步，但是颜色信息的利用还是受限于简单的颜色空间变换。跟视觉跟踪相反，复杂的颜色特征已经被证明能够给目标识别和检测提供优良的性能[6]。对于视觉目标跟踪来说利用颜色信息是一个困难的挑战。由于光源，阴影，阴影，镜面反射，照相机和物体几何变化，颜色测量在一个图像序列中也会发生明显的变化。 目前有两个主要的处理视觉跟踪的方法，即生成法和判别法。生成法[7]是通过寻找到目标模型最相似的区域来解决问题。这些方法中的模型都是基于模板或子空间模型的。判别法[8]旨在通过乔装跟踪像二元分类问题从背景区分目标。不同于生成方法，判别法利用目标和背景信息从背景中区分目标找到一个决策边界。 (责任编辑：qin) |