导读:本文包含了均值漂移跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:均值漂移,目标跟踪,局部菱形邻域模式,HSV
均值漂移跟踪论文文献综述
曾爱萍,黄山[1]（2019）在《基于LRNP纹理特征的均值漂移目标跟踪》一文中研究指出针对传统均值漂移(Mean Shift)目标跟踪算法在复杂背景和变光强场景中容易丢失跟踪目标的问题,提出局部菱形邻域(LRNP)纹理特征提取算子,在3*3模板中利用像素与其邻域像素之间的局部关系获得二进制编码,根据模板中心像素水平和垂直方向4个像素的编码值得到纹理特征;提取HSV颜色空间的H分量和S分量,进行非均匀量化作为颜色特征。融合颜色纹理特征作为目标模型的描述嵌入到Mean Shift算法中。实验结果表明,该算法在复杂背景、光照变化等场景下能实现目标的准确跟踪,具有较强的抗干扰性和鲁棒性。(本文来源于《计算机工程与设计》期刊2019年09期）
温宗周,程少康,李丽敏,刘亮,李璐[2]（2019）在《改进粒子滤波与均值漂移特征融合的目标跟踪》一文中研究指出针对复杂场景下目标因光照变化、部分遮挡以及相似颜色区域影响的稳定跟踪问题,提出一种改进粒子滤波与均值漂移(Mean Shift)特征融合的目标跟踪方法。样本粒子在多次更新迭代后,无限逼近目标的后验概率分布。采取自适应融合策略将颜色与轮廓特征相融合,在重采样之前将核函数进行加权调整。与经典Mean Shift算法和粒子滤波算法进行对比,实验结果表明,该方法在处理目标跟踪过程中受光照、遮挡与相似颜色等影响时,跟踪效果最佳。(本文来源于《计算机工程与设计》期刊2019年08期）
王旭东,王屹炜,闫贺[3]（2019）在《背景抑制直方图模型的连续自适应均值漂移跟踪算法》一文中研究指出针对传统连续自适应均值漂移(CAMshift)跟踪算法在建立目标颜色模型阶段容易包含大量背景颜色信息从而使跟踪效果变差的问题,该文提出一种改进算法。利用混合高斯模型背景法(GMM)将原始图像分割成前景和背景的迭加,在原始图像和背景图像上运动物体所在区域分别建立色调分量直方图,利用背景图像的色调分量直方图计算原始图像中对应色调分量的权值,抑制原始图像中与背景颜色相同的色调,扩大前景与背景颜色的差异性。该方法通过对原始颜色模型中属于背景的色调进行抑制,扩大了目标颜色模型的显着性,提高了跟踪的准确性和稳定性,目标定位的最大中心误差小于20%,能够准确跟踪不发生丢失。(本文来源于《电子与信息学报》期刊2019年06期）
孔令讲,陈国浩,崔国龙,杨晓波[4]（2019）在《基于均值漂移的穿墙雷达多目标跟踪》一文中研究指出针对穿墙成像雷达中多人体目标跟踪的问题,提出了一种基于均值漂移的多目标图像域跟踪方法。首先,通过基于双轴投影的变尺度模板创建方法进行航迹起始;其次该文利用均值漂移算法进行航迹更新,并对不同幅度像素点的加权处理使得迭代过程能收敛于目标图像中心;最后,结合M/N准则,实现了对航迹的管理。通过对多组实测数据的处理可以看出,该算法具有稳健的跟踪性能。(本文来源于《电子科技大学学报》期刊2019年03期）
王媛媛,王博[5]（2019）在《一种结合均值漂移的KCF目标跟踪算法》一文中研究指出目标跟踪在机器视觉领域中发挥着巨大的作用,但是目标跟踪算法会受到目标尺度变化等因素的影响,导致算法的跟踪精度下降。针对KCF滤波算法对目标尺度变化不敏感,无法较好实现目标尺度估计的缺点,提出一种结合均值漂移的KCF目标跟踪算法。通过对KCF滤波算法的响应峰值进行判断,引入均值偏移算法对目标位置和尺度进行修正。实验结果表明,本算法在增强了算法目标尺度自适应能力的同时,能有效地融合均值漂移算法和KCF滤波算法的优点,在多种场景下的目标跟踪精度都得到了有效提升。(本文来源于《现代测绘》期刊2019年03期）
韩明,唐心亮,孟军英,王敬涛[6]（2019）在《改进的卡尔曼滤波与均值漂移目标跟踪算法》一文中研究指出为了实现更加理想的运动目标跟踪,提出了改进的卡尔曼滤波与均值漂移目标跟踪算法。该算法采用粒子滤波与Kalman滤波相结合实现非线性滤波,首先利用粒子滤波对运动目标的状态变量进行估计,然后对目标估计状态进行卡尔曼滤波,解决观测方程为非线性的问题。最后利用Mean-shift算法进一步聚类粒子,使抽样的粒子集更符合实际的目标概率模型,从而增加有效粒子数目,减少粒子退化。经过预测迭代,从而达到对运动目标运行轨迹的修正,并采用仿真实验进行算法性能测试。结果表明,相对于其他算法或者是传统算法,在相同的条件下该算法不仅提高了目标跟踪的精度,并且降低了计算复杂度,实时性较好。(本文来源于《战术导弹技术》期刊2019年01期）
王文强,刘永洛,马立武[7]（2019）在《联合颜色与背景信息的自适应均值漂移跟踪算法》一文中研究指出针对传统均值漂移跟踪算法由于目标框大小不能变化,尤其当目标尺度大小发生较大变化或旋转时容易导致目标丢失的问题,提出一种联合颜色与背景信息的目标框自适应调整跟踪算法。以经典均值漂移算法为主体跟踪框架,构建前景目标颜色直方图,以Bhattacharyya距离与迭代次数作为判断下一帧目标中心位置的条件,每次迭代通过在当前帧目标框区域内建立感兴趣目标与局部背景空间模型,经快速傅里叶变换后计算当前帧与下一帧空间模型,得到尺度调节因子,作为每一帧跟踪窗口大小的权重,进而不断调整跟踪窗口尺度大小。通过自适应调整每一帧跟踪窗口的尺度调节因子,达到实时修正目标模型描述,进而提高跟踪准确性的目的,大大降低了由于目标模型固化导致的中心位置跟踪累积误差。通过对两组图像的序列仿真结果表明,改进算法相比于经典算法具有更强的鲁棒性。(本文来源于《软件导刊》期刊2019年02期）
王忠民,段娜,范琳[8]（2019）在《融合YOLO检测与均值漂移的目标跟踪算法》一文中研究指出针对视频目标跟踪算法中物体快速移动以及均值漂移算法误差累积造成的目标漂移问题,提出了一种融合YOLO(You Only Look Once)与均值漂移的目标跟踪算法。采用图像增强机制对视频帧进行预处理,在保持图像信息的同时去除光照强度的干扰;为了降低YOLO算法的计算复杂度,使用二分类器区分目标和背景进行物体的快速检测。根据目标物体的位置信息,使用均值漂移处理后续图像序列,并对目标物体进行检测更新,避免物体快速移动造成目标漂移问题,从而进行有效的检测跟踪。实验结果表明,该算法与DLT(Deep Learning Tracker)算法相比,运算效率提高了12.56%,跟踪精度提高了10.2%,能够较好地适应物体快速移动,具有较强的鲁棒性和实时性。(本文来源于《计算机工程与应用》期刊2019年10期）
申朝文[9]（2018）在《基于卡尔曼滤波的均值漂移跟踪算法研究》一文中研究指出针对均值漂移算法理论的不足,提出了一种改进的均值漂移算法。首先利用卡尔曼滤波获得跟踪目标的初始位置。然后在均值漂移跟踪算法中自适应地调整核函数的带宽,利用均值漂移算法获得跟踪目标的位置。最后对加速行进的行人进行实时跟踪实验。实验结果表明:与传统的均值漂移算法相比,改进后的算法更准确地跟踪目标,跟踪目标的轨迹更加连续。此外它减少了迭代次数,使算法运行更快,提高了跟踪的实时性。(本文来源于《科技资讯》期刊2018年19期）
王香莲[10]（2018）在《基于多特征融合的均值漂移视频目标跟踪算法研究》一文中研究指出视频的目标跟踪问题作为计算机视觉研究领域中的核心课题,在智能交通、视频监控、机器人导航及人机交互等诸多领域都受到了广泛的关注。随着信息技术的发展以及机器学习、视频图像处理、模式识别、计算机视觉等多学科领域的交叉融合,视频目标跟踪技术和跟踪性能均得到了不断提高。虽然国内外研究者们已经提出了很多比较有效的跟踪算法,但由于实际场景中经常存在噪声干扰、光照变化、目标自身形变及遮挡等等问题,设计出一个鲁棒性较强且实时的视频目标跟踪算法仍是当前极具挑战的一项任务。本文的主要研究内容如下:(1)针对传统的MeanShift跟踪算法只使用颜色特征很难实现准确跟踪的问题,本文提出了改进型局部叁值纹理颜色融合直方图的方法。该算法首先对原始局部叁值纹理特征进行分析,发现目标的关键纹理模式也能准确地描述目标对象而且可以减少计算复杂度,于是本文提取了关键纹理与颜色特征进行有效地自适应权值融合,使得跟踪结果更加准确可靠。(2)针对跟踪中的目标大小发生变化时,现有大多数算法的固定框容易在目标对象与背景尺寸不一致时存在较大的偏差,从而导致跟踪失败的问题。本文使用了纹理颜色特征共同决定的目标模型与候选模型的比值来估计面积,结合构造马氏距离的方法来确定下一帧目标的候选位置。(3)考虑到目标跟踪中往往存在不可避免的遮挡情况,本文引入了卡尔曼滤波来估计当前帧的中心位置,提供更为准确且可靠的预测信息,判断遮挡情况的严重程度,以自适应调整滤波器的各项参数,最终实验证明了该算法的有效性,能够较好地处理目标受遮挡情况。(本文来源于《贵州大学》期刊2018-06-01）
均值漂移跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对复杂场景下目标因光照变化、部分遮挡以及相似颜色区域影响的稳定跟踪问题,提出一种改进粒子滤波与均值漂移(Mean Shift)特征融合的目标跟踪方法。样本粒子在多次更新迭代后,无限逼近目标的后验概率分布。采取自适应融合策略将颜色与轮廓特征相融合,在重采样之前将核函数进行加权调整。与经典Mean Shift算法和粒子滤波算法进行对比,实验结果表明,该方法在处理目标跟踪过程中受光照、遮挡与相似颜色等影响时,跟踪效果最佳。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
均值漂移跟踪论文参考文献
[1].曾爱萍,黄山.基于LRNP纹理特征的均值漂移目标跟踪[J].计算机工程与设计.2019
[2].温宗周,程少康,李丽敏,刘亮,李璐.改进粒子滤波与均值漂移特征融合的目标跟踪[J].计算机工程与设计.2019
[3].王旭东,王屹炜,闫贺.背景抑制直方图模型的连续自适应均值漂移跟踪算法[J].电子与信息学报.2019
[4].孔令讲,陈国浩,崔国龙,杨晓波.基于均值漂移的穿墙雷达多目标跟踪[J].电子科技大学学报.2019
[5].王媛媛,王博.一种结合均值漂移的KCF目标跟踪算法[J].现代测绘.2019
[6].韩明,唐心亮,孟军英,王敬涛.改进的卡尔曼滤波与均值漂移目标跟踪算法[J].战术导弹技术.2019
[7].王文强,刘永洛,马立武.联合颜色与背景信息的自适应均值漂移跟踪算法[J].软件导刊.2019
[8].王忠民,段娜,范琳.融合YOLO检测与均值漂移的目标跟踪算法[J].计算机工程与应用.2019
[9].申朝文.基于卡尔曼滤波的均值漂移跟踪算法研究[J].科技资讯.2018
[10].王香莲.基于多特征融合的均值漂移视频目标跟踪算法研究[D].贵州大学.2018