序列图像中目标跟踪算法研究

分类号学号M200972149学校代码10487密级硕士学位论文序列图像中目标跟踪算法研究学位申请人：康烈学科专业：模式识别与智能系统指导教师：钟胜副教授答辩日期：2012.2.9AThesisSubmittedinPartialFulfillmentoftheEquirementsfortheDegreeofMasterofEngineeringStudiesofObjectTrackingAlgorithmsinImageSequencesCandidate：KangLieMajor：PatternRecognitionandIntelligentSystemSupervisor：AssociateProf.ZhongShengHuazhongUniversityofScience&TechnologyWuhan,430074,P.R.ChinaFebruary,2012独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：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，允许论文被查阅和借阅。本人授权华中科技大学可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□，在年解密后适用本授权书。不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日本论文属于I华中科技大学硕士学位论文摘要本文主要讨论和研究序列图像中的目标跟踪算法，在图像跟踪过程中可能存在目标被遮挡或目标自遮挡，目标的形态发生改变等等情况，都给图像跟踪带来了挑战。针对这些问题，本文结合了图像处理中目标检测的相关理论，提出了结合尺度不变特征和meanshift的目标跟踪算法。在图像跟踪过程中，图像特征的提取和识别是十分重要的，SIFT算子具有很优良的性能，但是计算量大的特点，本文提出了一种基于FPGA+DSP的处理方式，实现了实时的提取SIFT特征的方法；轮廓跟踪是图像分析的一个重要内容，针对传统的基于像素和基于边过程的轮廓跟踪方法，本文提出了一种新的快速轮廓跟踪算法；针对传统的SSDA算法，本文提出了一种基于前后文的快速匹配算法。本文讨论meanshift算法的思想，分析meanshift跟踪算法容易出现跟踪失效等的不足，同时针对经典的meanshift跟踪算法尺度更新的策略存在缺陷，以及对跟踪过程中出现遮挡等情况，提出了结合尺度不变特征和meanshift的目标跟踪算法，尺度不变特征主要采用SIFT算子和SURF算子，同时本文对SIFT算子、SURF算子和meanshift跟踪进行了相应的测试。实验证明本文提出的方法能够有效地适应跟踪中出现的目标的尺度变化和遮挡等情况，提高了meanshift跟踪算法的适应性、抗遮挡和鲁棒性。关键词：图像跟踪meanshiftSIFTSURF图像匹配轮廓跟踪II华中科技大学硕士学位论文AbstractThispapermainlydiscusssthestudiesofobjecttrackingalgorithmsinimagesequences.Objecttrackingexistquestionssuchasobjectshelteredfromothersandobjectitselfchangeincolororshape.Forthosequestions,ombinetheimagescalespacetheory,thispaperintroducetheobjecttrackingalgorithmusingscaleinvariantfeatureandmeanshift.Thedetectionofimagefeatureisquiteimportantinimagetrackingprocess.Thispaperdetailedintroducetheimagescalespacethoryandfeaturedetectionalgorithm，suchasharris,SURF,SIFT.Atthesametime,thispaperintroducestheimplementedmethodofSIFTbasedonFPGAandSIFT.Thispaperpresentsanovelfastsingle-passcontourtracingalgorithminabinaryimage,Theproposedalgorithmisviewedasfollowsteps:firstlyasetofcontoursegmentsofallobjectcontourscanbegeneratedandtracedinatop-downlinescanfashion;thenallcontoursegmentsareemployedtobeintegratedintorespectiveintactcontours;finallyallresultsareconvertedintothechaincodeformasthefinaloutput.Thisalgorithmcanextractmultiplecontoursofanimageinonepassandneverloseanyouterandinnercontourofobjectregion.Itisfasteronimplementation.Experimentsresultsprovethoseadvantages.Thenthispaperpresentsanovelfasttemplatematchingalgorithmbasedoncontextprediction.Thepredictedregionsarethosewindowsthatcontainthecurrententiresub-window.Comparisonskippingorcomparisonterminatingisexecutedwhenalowboundofdistancewhichhasbeencalculatedbetweenthetemplateandthewindowexceedsthethreshold.Experimentalresultsandtheoryanalysesprovetheproposedmethodisfasterthantheconventionalfasttemplatematchingmethod,strictlyguaranteeingthesameaccuracyanduptomaximaltwentytimesfasterthantheSSDA.Forrealtimeprocessingofthehigeresolutionimage,thispaperintroducethecombinethelowresolutionandhighresolutiontodetectandtrackobject.Thenthispaperdiscussthemeanshifttrackingalgorithm,describethemeanshift‟sshortageandlimitation,introducethetrackingalgorithmbasedonmeanshiftandSIFTandthetrackingalgorithmbasedonmeanshiftandSURF,thismethodeffectsenhancingtherobustandstabilityoftracking.Theresultprovethemethod‟sadvantage.Atthesametime,III华中科技大学硕士学位论文wehaveimplementedexperimentsrelatedofmeanshiftandintroduecedobjecttrackingalgorithms.Keywords:objecttrackingmeanshiftSIFTSURFimagematchingcontourtracingIV华中科技大学硕士学位论文论文中英文缩写对照表英文缩写中英文全称AAMactiveappearancemodels主动外观模型AdaboostAdaptiveboosting自适应增强ASMactiveshapemodels活动形状模型CVPRComputerVisionandPatternRecognition计算机视觉与模式识别DOGDifferenceOfGaussians高斯差分DSPDigitalSignalProcessor数字信号处理器EBREdgeBasedRegions基于边缘区域ECCVEuropeanConferenceonComputerVision欧洲计算机视觉会议EMExpectationMaximization期望最大化FASTFeaturesfromAccelratedSegmentTest加速分段测试提取特征FPGAFieldProgrammableGateArrays复杂现场可编程门阵列HOGHisogramofOrientGradients方向梯度直方图IBRIntensityBasedRegions基于灰度区域LBPLocalbinarypattern局部二值模式LoGLaplacianofGaussian高斯拉普拉斯MSERsMaximallystableextremalregions最大稳定极值区域OpenCVOpenComputerVision开源计算机视觉PAMIPatternAnalysisandMachineIntelligence模式分析与机器学习PCAPrincipalComponentAnalysis主成分分析V华中科技大学硕士学位论文RANSACRandomSampleConsensus随机抽样一致性算法SADsumofabsolutedistances绝对距离之和SIFTScaleInvariantfeaturetransform尺度不变特征变换SSDSumofsquareddifferences平方差总和SSDASequentialsimilaritydetectionalgorithm序贯相似检测算法SURFSpeededUpRobustFeatures加速鲁棒特征SVDSingularvaluedecomposition奇异值分解SVMSupportVectorMachine支持向量机VSAMVisualSurveillanceandMonitoring视觉监视与监测WSLWanderingStableLost过渡稳定丢失VI华中科技大学硕士学位论文目录摘要...............................................................................................................IAbstract..........................................................................................................II论文中英文缩写对照表...............................................................................IV目录...................................