导读:本文包含了区域特征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:目标跟踪,特征融合,自适应,响应图
区域特征跟踪论文文献综述
高赟,赵江珊,罗久桓,周浩[1]（2019）在《采用响应图置信区域自适应特征融合的相关滤波跟踪》一文中研究指出针对固定特征融合权重的相关滤波跟踪算法在光照变化、目标形变下跟踪失败的问题,提出了采用响应图置信区域自适应特征融合的相关滤波跟踪算法以提高算法鲁棒性。首先,将响应图中高于响应图期望值的区域作为响应图置信区域,然后,根据HOG特征响应图置信区域计算出HOG特征响应图和颜色直方图特征响应图的融合权重,实现HOG和颜色直方图特征的自适应融合。仿真实验采用跟踪基准数据库(OTB-2015)中的100组视频序列进行实验,对比了5种流行的相关滤波跟踪算法。实验结果表明,本文算法的综合AUC和精度分别为0.609和0.814,尤其在光照环境下AUC和精度分别为0.655和0.847,相比Staple分别提升5.7%和5.6%。本文算法在光照和形变交叉环境下AUC达到0.681。在光照变化、目标形变、背景混乱、尺度变化等场景下,本文算法具备更优的跟踪性能。(本文来源于《光学精密工程》期刊2019年05期）
李亚飞[2]（2019）在《基于区域特征匹配的目标跟踪算法研究》一文中研究指出目标跟踪作为计算机视觉中的重要课题之一,极具现实意义和应用价值,在人机交互、智能监控、医疗诊断、无人驾驶等应用领域发挥着重要作用。虽然近些年目标跟踪技术不断取得重大的进展,但由于实际应用场景的多样性和复杂性,给目标跟踪技术带来了巨大的挑战,因此目标跟踪技术的研究仍是一个极具科研价值和挑战性的课题。目标跟踪技术的难点是保证算法对各种复杂场景的适应能力,并兼顾算法的性能。本文针对目标跟踪的技术难点,在相关工作的基础上,从目标特征和跟踪模型上进行研究,以提高算法在各种复杂跟踪场景中的鲁棒性和准确性,并在此基础上尽量提升算法的实时性。本文选取生成式跟踪方法中的Mean Shift跟踪框架和判别式跟踪方法中的相关滤波跟踪框架进行研究,主要研究工作和成果如下:(1)在Mean Shift跟踪框架下,针对跟踪场景中背景干扰和遮挡对跟踪算法性能和鲁棒性的影响,提出了一种基于多通道提取AHLBP(Adaptive Haar Local Binary Pattern)纹理特征的目标跟踪算法。本算法在分析了HLBP(Haar Local Binary Pattern)纹理在表达图像特征中存在的缺陷之后,考虑图像局部视觉信息,提出了自适应阈值的HLBP纹理特征提取方法,提高纹理信息对图像内部结构信息的有效表达。同时为了获得丰富的、深层次的纹理信息,对目标进行描述,我们从目标区域的彩色空间下分离出各颜色通道的灰度图像,然后分别进行纹理信息的提取,建立准确而完善的目标模型,最后在Mean Shift框架下实现目标跟踪。实验结果表明,本算法能够充分利用纹理特征,使得跟踪算法在背景干扰、目标遮挡等复杂场景下保持良好的跟踪性能和鲁棒性。(2)在KCF(Kernel Correlation Filter)跟踪算法中,针对目标周围出现相似物或者噪声干扰等易造成目标定位失败,算法性能下降问题,本文提出了基于局部多峰定位和模型更新策略的KCF跟踪算法。首先从KCF算法跟踪模型中的目标定位原理出发,分析了多峰响应图下目标定位失效的原因,进而提出了以筛选有效候选目标位置和重检测为核心思想的局部多峰定位策略,提高目标定位的准确性。另外,利用响应图对目标和候选目标相关性的反映,引入两个模型参数更新指标,设定新的模型参数更新策略,减小不准确定位结果对模型的腐蚀。通过与主流跟踪算法大量对比实验表明,所提算法对复杂场景中的目标跟踪任务有良好的适应能力,具有更好的跟踪性能和实时性。(本文来源于《河南工业大学》期刊2019-05-01）
闫利,龚珣,谢洪[3]（2018）在《相位相关辅助的重复纹理区域特征跟踪匹配》一文中研究指出在移动测量系统获取的街道序列影像中,建筑物立面占有相当大的比例,而通常建筑物立面含有大量的规则重复纹理。利用特征匹配的方法对此类影像进行匹配时,容易造成大量的误匹配,严重影响后期的影像定向以及叁维重建。针对此问题,提出了一种利用相位相关算法辅助KLT(Kanade-Lucas-Tomasi)对角点进行跟踪,从而实现特征匹配的算法。首先,在整体上利用相位相关将待匹配的影像对进行粗配准;然后,使用KLT算法从影像中提取局部角点特征并进行跟踪匹配。实验结果表明,该算法对建筑物密集的街道序列影像匹配的正确率比单纯利用特征匹配方法有较大提高,且匹配的特征角点分布也比较均匀,能够有效解决街道序列影像中重复纹理区域的特征匹配问题。(本文来源于《国土资源遥感》期刊2018年01期）
屈青青,张文革,李刚[4]（2016）在《基于颜色特征传递的多摄像头无重迭区域运动目标跟踪》一文中研究指出针对多摄像头无重迭区域目标监控时,同一目标在不同摄像头中易出现色差而导致目标颜色特征匹配失败的问题,研究了多项式转换法、基于统计特征的颜色转换法和自适应颜色转换法。在这些方法的基础上,结合视频监控的具体应用要求,提出了将基于统计特征的颜色转换法应用在多摄像头运动目标跟踪中的具体改进方法。实验结果表明,该方法对于多摄像头无重迭区域下运动目标跟踪效果良好。(本文来源于《机械设计与制造工程》期刊2016年09期）
蔡波,周大可,杨欣[5]（2016）在《基于显着特征区域和条件随机场的目标跟踪》一文中研究指出针对目标跟踪中的遮挡问题,提出一种基于局部显着特征区域和条件随机场模型(CRF)的跟踪算法。利用目标区域中的显着特征区域相互之间的空间位置关系以及时间域上相邻区域的影响,并结合各个显着特征区域自身的局部信息建立目标的CRF模型;利用CRF模型对Mean Shift算法的跟踪结果进行概率推断,融合各个显着特征区域的权重,精确定位运动目标的最终位置。在多个视频序列上的实验结果表明,与改进的MS算法、粒子滤波算法以及分块跟踪方法相比,文中算法具有较高的跟踪精度;尤其是当目标被遮挡时,该算法具有较好的跟踪鲁棒性。该算法充分利用了显着特征区域自身的局部特征和区域之间的空间结构信息以及各个显着特征区域在时间域上的约束条件,能够实现复杂情况下的运动目标的鲁棒跟踪。(本文来源于《电子测量技术》期刊2016年08期）
蔡波,周大可,杨欣[6]（2016）在《基于显着特征区域和概率图模型的目标跟踪》一文中研究指出针对目标跟踪中的遮挡问题,提出一种基于局部显着特征区域和概率图模型的跟踪算法.提取目标的一组局部显着特征点,以局部显着特征点为依据,在目标区域中划分出多个感兴趣的显着特征区域;利用这组显着特征区域相互之间的空间位置关系,并结合各个显着特征区域自身的局部信息建立目标的马尔可夫随机场(MRF)模型;采用mean shift(MS)算法对各个显着特征区域分别进行跟踪,利用MRF模型对MS算法的跟踪结果进行概率推断,融合各个显着特征区域的权重,精确定位运动目标的最终位置.在多个视频序列上的实验结果表明,与改进的MS算法、粒子滤波算法以及分块跟踪方法相比,此算法具有较高的跟踪精度;尤其是当目标被遮挡时,该算法具有较好的跟踪鲁棒性.该算法充分利用了显着特征区域自身的局部特征和区域之间的空间结构信息,能够实现复杂情况下的运动目标的鲁棒跟踪.(本文来源于《云南民族大学学报(自然科学版)》期刊2016年03期）
白梅娟[7]（2016）在《基于区域特征压缩与融合的视频目标跟踪算法研究》一文中研究指出视频目标跟踪是机器视觉领域的一个重要且具有挑战性的研究方向,在智能视频监控、智能交通、气象分析、远距离测量以及医学图像分析等方面起着关键性作用。近年来,大量的目标跟踪算法被国内和国外许多研究人员和科研机构提出,然而大多数跟踪算法的跟踪性能仅在一些特定条件下表现良好,目标跟踪算法的性能仍然能得到很大的提升。而且在跟踪过程中,目标的外观和它周围的环境不断地变化,因此探究稳健性高和准确度高的目标跟踪算法仍然是有难度的任务。本文以区域特征压缩与特征融合为研究基础,意在构建准确性和鲁棒性高的目标跟踪算法,对基于子区域特征的目标外观模型、特征压缩与融合理论和灵活分类器的构建进行了探究。1.针对目标的光照变化、被遮挡和外观变化以及单一特征的目标描述能力弱的问题,本文通过在样本子区域内进行多特征提取和使用融合的多种特征建立目标外观模型。多种特征能提供丰富的信息并且对样本的子区域划分方法使跟踪算法能够有效地应对遮挡和光照变化问题。由于具有固定统计特性的分类器很容易引入区分力弱的特征,导致目标外观模型的不稳定以及跟踪算法精确度的降低。我们采取具有灵活统计特性的加权朴素贝叶斯分类器完成目标跟踪任务。在算法中采用压缩感知对高维多特征降维,提高算法速度。2.为了解决跟踪过程中的复杂背景和目标旋转问题,本文采用基于子区域提取的随机类哈尔图像块的感知哈希特征建立外观模型。在判决性分类器模块,本文以临近原则作为搜索策略而不是贪婪搜索方法,使用汉明距离进行目标的匹配和分类器的判决,本算法可以有效地应对背景杂乱、目标外观变化和相像背景等问题。实验证明,本算法精确度得到提高,具有更好的鲁棒性。3.实验中在众多标准视频测试序列上对本文两种算法做了定性定量分析,以及与具有代表性的叁种流行的跟踪算法均值漂移目标跟踪(Meanshift)、实时压缩跟踪算法(CT)和快速压缩跟踪算法(FCT)相比较,结果表明本文的第一种跟踪算法速度比CT算法稍有降低,但是精确度有较大提高,特别对遮挡环境和光照变化场景算法性能很好;本文的第二种算法的精确度有所提高,尤其在应对目标旋转及背景杂乱问题方面,鲁棒性较高。(本文来源于《太原科技大学》期刊2016-04-01）
黎鹏,林妩媚,王万平,傅景能[8]（2016）在《基于特征区分度和区域生长的Mean Shift跟踪算法》一文中研究指出复杂环境下的目标跟踪是一个具有较多难点的任务。例如杂波干扰、严重遮挡、相似背景、运动不连续、光照变化等,都会给跟踪带来很大困难。针对上述问题,利用目标与背景的区分度,选取目标中独特特征建立模板,并对候选目标过滤背景特征,从而提高了目标在复杂背景下的匹配精度。同时为了解决Mean Shift算法搜索到的目标位置与真正目标存在偏差的问题,以目标中高区分度的像素点为种子点,进行区域生长,来获得准确的目标位置,并以此确定目标框大小。实验结果表明,文中算法在复杂环境下具有较好的跟踪精度和实时性能。(本文来源于《光电技术应用》期刊2016年01期）
张建伟[9]（2015）在《基于区域特征匹配的扩展目标高精度跟踪》一文中研究指出为了能够更精确的跟踪扩展目标,提出了一种基于最大稳定极值区域(MSER)特征匹配的高精度扩展目标跟踪方法,该方法通过对扩展目标图像中的一个区域进行抽样式多阈值二值化处理提取出MSER,再通过对MSER面积变化率条件的判断保证质心提取精度,并与上一帧MSER进行相似度匹配找到下一帧的MSER,将其质心作为跟踪坐标。实验结果表明该方法对于存在MSER特征的扩展目标具有更精确和更稳定的跟踪能力,在面积变化率一定的条件下,其跟踪精度不低于0.1 pixel,且计算时间也减少了约3/4。(本文来源于《激光与光电子学进展》期刊2015年05期）
余桂兰[10]（2015）在《基于卡尔漫滤波的区域特征融合车辆跟踪算法》一文中研究指出针对行驶中的车辆易受阴影及相似车辆的影响问题,提出了一种基于卡尔曼滤波的区域特征融合车辆跟踪算法。算法首先借鉴空间金字塔匹配模型将车辆在空间上进行划分,然后将颜色特征、局部叁值模式纹理特征和Hu不变矩特征进行加权融合,提取车辆各区域信息,最后引入卡尔曼滤波对目标车辆的运动趋势进行预测。实验结果显示,该算法在目标车辆受阴影及特征相似车辆干扰时,能够有效区分目标与背景,实现正确跟踪。(本文来源于《电子设计工程》期刊2015年08期）
区域特征跟踪论文开题报告
（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：
目标跟踪作为计算机视觉中的重要课题之一,极具现实意义和应用价值,在人机交互、智能监控、医疗诊断、无人驾驶等应用领域发挥着重要作用。虽然近些年目标跟踪技术不断取得重大的进展,但由于实际应用场景的多样性和复杂性,给目标跟踪技术带来了巨大的挑战,因此目标跟踪技术的研究仍是一个极具科研价值和挑战性的课题。目标跟踪技术的难点是保证算法对各种复杂场景的适应能力,并兼顾算法的性能。本文针对目标跟踪的技术难点,在相关工作的基础上,从目标特征和跟踪模型上进行研究,以提高算法在各种复杂跟踪场景中的鲁棒性和准确性,并在此基础上尽量提升算法的实时性。本文选取生成式跟踪方法中的Mean Shift跟踪框架和判别式跟踪方法中的相关滤波跟踪框架进行研究,主要研究工作和成果如下:(1)在Mean Shift跟踪框架下,针对跟踪场景中背景干扰和遮挡对跟踪算法性能和鲁棒性的影响,提出了一种基于多通道提取AHLBP(Adaptive Haar Local Binary Pattern)纹理特征的目标跟踪算法。本算法在分析了HLBP(Haar Local Binary Pattern)纹理在表达图像特征中存在的缺陷之后,考虑图像局部视觉信息,提出了自适应阈值的HLBP纹理特征提取方法,提高纹理信息对图像内部结构信息的有效表达。同时为了获得丰富的、深层次的纹理信息,对目标进行描述,我们从目标区域的彩色空间下分离出各颜色通道的灰度图像,然后分别进行纹理信息的提取,建立准确而完善的目标模型,最后在Mean Shift框架下实现目标跟踪。实验结果表明,本算法能够充分利用纹理特征,使得跟踪算法在背景干扰、目标遮挡等复杂场景下保持良好的跟踪性能和鲁棒性。(2)在KCF(Kernel Correlation Filter)跟踪算法中,针对目标周围出现相似物或者噪声干扰等易造成目标定位失败,算法性能下降问题,本文提出了基于局部多峰定位和模型更新策略的KCF跟踪算法。首先从KCF算法跟踪模型中的目标定位原理出发,分析了多峰响应图下目标定位失效的原因,进而提出了以筛选有效候选目标位置和重检测为核心思想的局部多峰定位策略,提高目标定位的准确性。另外,利用响应图对目标和候选目标相关性的反映,引入两个模型参数更新指标,设定新的模型参数更新策略,减小不准确定位结果对模型的腐蚀。通过与主流跟踪算法大量对比实验表明,所提算法对复杂场景中的目标跟踪任务有良好的适应能力,具有更好的跟踪性能和实时性。
（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。
区域特征跟踪论文参考文献
[1].高赟,赵江珊,罗久桓,周浩.采用响应图置信区域自适应特征融合的相关滤波跟踪[J].光学精密工程.2019
[2].李亚飞.基于区域特征匹配的目标跟踪算法研究[D].河南工业大学.2019
[3].闫利,龚珣,谢洪.相位相关辅助的重复纹理区域特征跟踪匹配[J].国土资源遥感.2018
[4].屈青青,张文革,李刚.基于颜色特征传递的多摄像头无重迭区域运动目标跟踪[J].机械设计与制造工程.2016
[5].蔡波,周大可,杨欣.基于显着特征区域和条件随机场的目标跟踪[J].电子测量技术.2016
[6].蔡波,周大可,杨欣.基于显着特征区域和概率图模型的目标跟踪[J].云南民族大学学报(自然科学版).2016
[7].白梅娟.基于区域特征压缩与融合的视频目标跟踪算法研究[D].太原科技大学.2016
[8].黎鹏,林妩媚,王万平,傅景能.基于特征区分度和区域生长的MeanShift跟踪算法[J].光电技术应用.2016
[9].张建伟.基于区域特征匹配的扩展目标高精度跟踪[J].激光与光电子学进展.2015
[10].余桂兰.基于卡尔漫滤波的区域特征融合车辆跟踪算法[J].电子设计工程.2015