导读:本文包含了视觉跟踪平台论文开题报告文献综述及选题提纲参考文献，主要关键词:机器视觉,目标识别与跟踪,Adaboost识别算法,卡尔曼滤波改进Camshift跟踪算法
视觉跟踪平台论文文献综述
朱朔[1]（2018）在《基于机器视觉的无人平台目标识别与跟踪系统设计》一文中研究指出机器视觉近年来发展迅速,备受各国研究人员的关注。目标识别与跟踪技术在无人作战平台上的应用和发展,将改变未来城市战争的作战方式。对具有机器视觉系统的无人平台的研究将提高军队的作战能力,对实现军事现代化具有重要意义。以无人平台为研究对象,对其目标识别与跟踪机器视觉系统及云台控制进行了分析和设计。(1)针对研究对象的应用环境,选取车辆与人体进行识别,分析了两类物体的特点,首先使用OpenCV进行了基于全局特征的目标识别与定位,之后使用Adaboost算法进行了识别模型的训练与识别验证。利用基于卷积神经网络的YOLO算法实现了高精度的目标识别。为了实现任意目标的跟踪,实现了 Camshift跟踪算法并结合卡尔曼滤波进行了改进,提高了跟踪的抗干扰能力。之后采用KCF算法,提升机器视觉系统的跟踪能力。(2)在Windows平台设计了基于MFC的用户图形界面,并根据平台控制要求设计了通信协议,保证传输的稳定性与准确性。将部分功能移植到嵌入式Ubuntu平台,提高系统机动性。(3)根据对云台控制需求的分析,确定了合适的电机型号,并设计了主控为STM32F405RG的云台控制软硬件系统。通过姿态传感器MPU6050反馈的速度值实现速度环PID控制;通过云台电机CAN通信反馈的机械角实现了位置环PID控制。并利用死区控制等方法改进了 PID算法,提高了云台控制稳定性。(4)对云台进行了多项测试实验,验证云台的控制效果。随后针对整个无人平台目标识别与跟踪系统进行测试实验,通过统计的方法分析系统的跟踪效果,验证了系统的跟踪性能。(本文来源于《南京理工大学》期刊2018-03-01）
时鹏[2]（2017）在《无人机载视觉平台主动目标跟踪研究》一文中研究指出旋翼无人机是一种能够垂直起降、定点悬停、低速稳定飞行的无人飞行器。搭载视觉平台的旋翼无人机在军事侦察、灾区救援、道路监控和工业运输等领域具有广泛的应用。本文以无人机载视觉平台主动跟踪技术为研究目标,开发了一种新的适用于移动平台的运动目标跟踪算法,实现了无人机对地面目标的主动跟踪。首先,对课题进行调研和阅读文献,针对无人机载视觉平台主动目标跟踪系统的要求,本着系统的可靠性、机动性、精确性的原则,对硬件组成和软件架构进行分析设计。在此基础上,设计了硬件系统和软件系统的框架,使之可以有效运用于成熟平台的无人机目标主动跟踪任务中。目标跟踪系统的核心是拥有稳健的跟踪算法,为解决目标在形变,遮挡和快速运动时所导致的跟踪失败,本文在经典TLD算法(Tracking-Learning-Detection)的框架下,使用尺度自适应均值偏移算法重新设计了跟踪器,提出了MS-TLD算法。引入了颜色直方图特征和尺度自适应后,跟踪器能准确跟踪形变和快速运动的目标。设计了新的跟踪-检测反馈机制,通过跟踪器和检测器相互校正,使新算法在目标被遮挡时具有很好的跟踪鲁棒性。采用OTB-50标准测试集进行了实验验证与评测,结果表明本文算法有效克服了由于目标形变,遮挡和快速运动以及背景干扰所导致的跟踪失败,比TLD等4种经典算法具有更好的跟踪准确性和鲁棒性。最后,基于MFC库和OpenCV库设计了地面站控制程序。通过对相机坐标系、图像坐标系和像素坐标系的分析,实现目标真实坐标到像素坐标的转换。通过搭载于大疆Inspire1 Pro系列无人机的视觉平台,系统完成了对目标的主动跟踪。(本文来源于《天津理工大学》期刊2017-12-01）
王常凯[3]（2016）在《基于嵌入式平台的全向视觉目标检测与跟踪》一文中研究指出无线多媒体传感器网络在现实生活中有广泛的实际应用。然而,其节点观测范围狭小,不便于随机部署,在现实应用中有较大的局限性。本文研究了基于多核ARM嵌入式平台的全向视觉目标跟踪系统,实现对周围信息全向监控,以及运动目标的检测和单一目标的全向跟踪。全向视觉系统部署后节点将静止放置,其背景相对固定,适合基于背景建模的目标检测算法。经典的背景建模方法是混合高斯模型方法,其检测效果较好但运算速度较慢,在检测上花费时间较多且容易受到光照影响。VIBE算法的模型构造简便、计算量小、检测速度快,适合于嵌入式平台,但容易出现“鬼影”且消除较慢。本文提出了一种局部差值法解决此问题。实验结果表明在保证检测效果的前提下,VIBE由于第一帧存在运动目标形成的“鬼影”可以被快速消除。传统的跟踪算法(如粒子滤波算法)通常依靠颜色特征,检测效果较好,但粒子需要不停更新,当粒子数量较大时的运算量较大。基于相关滤波的CSK跟踪算法具有较好的效果,但是其对于目标被完全遮挡的情况不能实现持续跟踪。本文采用卡尔曼滤波器和CSK算法相结合的方式,有效解决了该问题。当目标完全遮挡时,采用Kalman滤波器进行跟踪,在目标走出遮挡区域时采用CSK算法继续进行连续跟踪。实验结果表明,目标完全被遮挡的情况下也能对目标位置进行预测,目标再次出现时继续跟踪。本文摄像机采用同轴朝向四周的环形放置方式,两个摄像机间有较大的重迭视域,因此涉及到目标在跟踪过程中何时进行交接的问题和同一个目标匹配的问题。对于目标交接问题,本文采用了视野分界线的方法,在相机放置后读取第一帧图像进行校正,采用SIFT算法进行相邻相机角点检测并进行匹配,通过匹配的角点生成视野分界线,并将生成的视野分界线反向投影到广角相机。对于目标交接的问题,本文采用了多特征匹配的方式。由于颜色特征比较稳定,同时在行人检测上HOG特征效果较好,因此首先采用颜色特征进行匹配;当匹配目标无法确定时,采用HOG特征进行匹配,进而实现对目标更加持续稳定的跟踪。最后,本文将所研究的算法移植到嵌入式平台,由于嵌入式平台的处理能力,以及内存都有较大的局限性,因此需要对算法进行有效地优化。借助多线程、多进程、OPENGL等手段,本文对程序架构和实现方式进行了优化,使得算法效率大大提高。(本文来源于《东北大学》期刊2016-12-01）
邹永艳,张衍志[4]（2016）在《WSN中视觉辅助方案结合TI CC2431 ZPS平台的跟踪定位方法》一文中研究指出针对无线传感器网络中,位置跟踪定位方法在短时间内速度的急剧变化可能导致角效应并降低定位精度以及单个方案难以提高定位精度的问题,提出一种在TI CC2431 ZPS平台上,利用卡尔曼滤波(KF)和视觉辅助的跟踪定位方法。在归一化互相关的基础上使用视觉辅助校准技术,根据视觉辅助方法提取参考节点的位置作为地标,然后使用KF方法校准位置估算。提出的方法有效避免了实际动态环境中系统错误导致的不确定性,降低位置估算系统中的角效应,提高了定位精度。实验结果表明:TI ZPS方法和基于KF的方法都有超过56%的估计位置误差距离分别小于2.3 m和1.9 m;而提出的跟踪定位方法有超过56%的估计位置误差距离小于1.5 m。(本文来源于《电信科学》期刊2016年09期）
史浩明[5]（2016）在《基于嵌入式平台的无人机视觉跟踪避障方法研究》一文中研究指出近年来,无人机视觉导航技术正受到广泛关注,同时,基于嵌入式平台的微处理器系统以其自主廉价的特点也逐渐在工程控制领域中展现其优势,本文针对无人机在未知环境中的避障问题,研究基于嵌入式平台的无人机视觉跟踪避障方法,主要探讨了无人机飞行过程中的导航避障策略以及障碍物识别和目标测距问题,完成了算法设计和硬件平台搭建,并通过实验验证了该方案的工程价值。首先,针对导航避障策略问题,本文在传统人工势场法的基础上,对势场函数做了改进,并结合最优控制思想,设计控制器,引导无人机自主避障并最终飞抵目标地点。接着,针对障碍物检测问题,研究图像预处理算法,并在几种经典光流算法的基础上,利用角点作为特征点计算目标场景的光流向量,提出基于角点检测的改进金字塔L-K光流法。针对目标测距问题,利用精度不高的光流法探索障碍物警戒区域,通过对摄像机进行标定,形成二维像素到叁维世界的对应模式,完成对距离的精确解算。最后,针对嵌入式平台搭建,完成系统仿真设计,并完成算法的硬件实现。平台包括基于CMOS图像传感器的图像采集模块,用于采集无人机飞行前方的视频图像序列,以及采用FPGA+DSP架构的图像处理模块,利用FPGA作图像预处理,DSP作图像处理并输出控制信号,实验结果表明,该方案具有良好的障碍物检测与路径规划能力,并验证了本文算法的有效可行。(本文来源于《南京航空航天大学》期刊2016-03-01）
张润泽[6]（2015）在《基于OpenCV的视觉跟踪平台设计与实现》一文中研究指出本文是在Open CV开发库基础上利用不同的跟踪方法对运动视频中的运动目标进行跟踪,目标跟踪问题涉及到计算机视觉、模式识别、图像处理领域知识。根据不同的分类方法,可以将目标跟踪问题划分成不同的类别。利用不同的跟踪算法对图像序列中运动目标进行跟踪。通过粒子滤波算法实现目标运动状态的预测算法并结合基于颜色特征的目标表示方法完成对目标的实时跟踪,粒子滤波算法通过设置观测模型来完成运动状态估计,本文提出了一种新的基于颜色特征的粒子滤波器跟踪算法.通过建立目标模型可以表示出目标特征同时利用运动参数所组成的运动模型来体现目标的运动状态。均值平移跟踪算法是利用核函数密度估计方法来分析图像特征。目标的跟踪结果集中在特征空间的密集区,而在该密集区概率密度分布具有局部极大值。在利用均值平移跟踪算法对运动目标跟踪过程中,通常提取图像中的指定特征如在彩色图像中出现的颜色特征,以及表征指定区域的光照强度特征和颜色分布的纹理特征,均值位移跟踪算法需要利用不断迭代的思想搜索密度函数的极大值处,在这期间通常不需要相应的分布情况。通常该极值点处代表了与所要跟踪的目标十分相近。基于颜色特征的CAMShift算法通常先将包含运动目标的图像的颜色空间转换为HSV格式。将所设定的搜索框内的图像转换为直方图形式,并将直方图的各个分量进行归一化求每个分量的概率。将图像中的每个像素点的H通道进行概率值计算,得到概率投影图。执行Mean Shift算法,利用前一帧的跟踪结果的概率密度函数分布来设置后一帧的搜索框的位置。Open CV是一套应用于计算机视觉领域的开源的开发库,利用其中对目标跟踪领域的函数库支持,采用微软开发平台完成视觉跟踪系统的实现。并结合上述介绍的算法针对给定的图像序列展示跟踪结果,并对算法的执行情况进行总结。(本文来源于《吉林大学》期刊2015-06-30）
凌云志,李伟光,曾顺星,侯跃恩[7]（2015）在《基于EtherCAT总线的视觉目标跟踪平台设计》一文中研究指出为了实现视觉目标跟踪,提出了一种基于Ether CAT总线的视觉目标跟踪平台的设计方案。该平台通过Ether CAT总线技术实现主从站数据通信,主站通过Mean Shift跟踪算法程序求出跟踪目标中心点坐标数据,从站结合DSP伺服控制技术输出伺服控制指令驱动跟踪平台实现视觉目标跟踪。实验结果表明该视觉目标跟踪平台具有较高的稳定性与实时性,满足视觉目标跟踪的要求。(本文来源于《电子设计工程》期刊2015年09期）
王卫,金立左[8]（2015）在《基于DSP+FPGA视觉跟踪平台的设计与实现》一文中研究指出数字视频处理系统中,视频数据的流量非常大,而且对系统的实时性要求较高,因此系统必须采用高速CPU,且需建立快速、有序的视频数据输入、输出机制。介绍了基于TMS320DM6437和EP3C16Q240C8构成的高性能低成本的视觉跟踪平台,阐述了该系统的硬件组成和工作原理,并详细描述了视频采集显示模块、图像处理单元和DSP与FPGA间的通讯方式以及与视频显控平台之间的信息交互。该平台的硬件电路性能以及其软件系统保证了系统实时性的实现。(本文来源于《工业控制计算机》期刊2015年03期）
张起[9]（2014）在《基于移动式视觉机器人平台的自主跟踪系统设计与实现》一文中研究指出近年来,随着科学水平的提升以及计算机视觉和人工智能等领域研究的逐步深入,智能移动机器人技术得到了快速发展。移动式视觉机器人跟踪技术是智能移动机器人的关键技术之一,在相关领域有着广泛的应用前景。移动式视觉机器人的自主跟踪系统的设计,一般包含两部分：1)适用于当前移动式视觉机器人平台的实时快速的目标跟踪算法；2)基于目标跟踪结果的机器人运动控制。前者是机器人跟踪行为的决策依据,后者是跟踪行为的具体执行过程。本文以Koala移动机器人作为实验的移动载体,重点研究并提出了一种基于压缩特征的目标快速实时视觉跟踪算法,使其能够在Koala机器人的平台上实现对移动目标的实时跟踪,主要工作包括以下几个方面：(1)调查和分析了课题背景和目标跟踪的研究成果与技术难点,引入了一种基于压缩特征的目标跟踪算法,并着重分析了该算法的不足及其算法内在原因。(2)针对课题任务,重点研究并设计出了一种基于特征自适应选择的改进压缩跟踪算法。本文跟踪算法从特征空间的生成与优劣评估、自适应特征空间的选择、多维高斯模型的目标特征概率估计的建立、分类器的更新方式和搜索策略的调整等方面进行改进,并在公开的跟踪视频数据库的基础上,进行了对比实验,最后从定性和定量角度对实验结果进行了分析,证明了本文算法在跟踪精度和鲁棒性上具有良好的性能。(3)实现对机器人运动控制。考虑到跟踪的实时性和运算效率问题,本文采用了一种基于视觉的运动控制思路,即根据从摄像头获得的目标与机器人位置的相对空间距离信息来动态调整机器人的运动参数,实现了对目标的快速连续跟踪效果。(4)在以Koala机器人为载体的基础上,搭建视觉跟踪机器人硬件系统,并完成串口通信程序设计等硬件调试工作。最终,用本文设计的算法来实验,达到了移动式视觉机器人对目标自主跟踪的任务效果。本文针对Koala机器人作为移动式视觉机器人平台的情形,提出了一个基于改进的实时压缩跟踪算法,并通过视频测试证明了其有效性；在此基础上搭建了完整的基于视觉信息的移动机器人目标自主跟踪系统,较好地实现了对非特定目标的平稳跟踪效果。(本文来源于《东北大学》期刊2014-06-01）
于清华[10]（2013）在《用于导引快速运动平台的视觉目标跟踪方法研究》一文中研究指出本文以快速运动平台的视觉目标导引问题为应用背景,研究了视觉目标跟踪问题,以压缩感知理论为图像特征降维的理论基础,设计了一种新的测量矩阵构造方法,提出了一种新的尺度自适应实时压缩跟踪算法。本文首先对传统的基于压缩感知理论的目标跟踪方法(称为压缩跟踪)进行了理论分析与实验验证,分析了传统压缩跟踪方法中所使用的测量矩阵构造方法的不足,提出了新的压缩测量矩阵构造方法,用于对图像进行特征降维。压缩跟踪中首要的也是最重要的问题就是选取一种合适的测量矩阵。论文首先对传统测量矩阵构造方法进行了总结,并针对目前最新的分块测量矩阵进行分析讨论,理论推导并实验验证了该种测量矩阵存在着测量矩阵中的各元素取值的概率分布函数并不是同分布的问题,相当于人为地减少了图像左上部分的信息的影响作用,而增加了图像右下方信息影响作用。针对该问题,本文提出了循环分块测量矩阵生成算法,并分析了循环分块测量矩阵中卷积核内矩形块数量的取值问题,并给出了常用取值范围。然后分析讨论了循环分块测量矩阵在满足RIP条件上存在的问题,即为了降低算法计算量而对测量矩阵进行的分块的做法,会导致其满足RIP条件的概率降低。实验表明,循环分块测量矩阵能够解决随机测量矩阵内元素概率分布函数不同分布的问题,对目标跟踪具有更好的鲁棒性。本文然后开展了压缩跟踪窗口尺度自适应性的相关研究,设计了尺度自适应窗口模型,并利用粒子滤波算法,实现了窗口的尺度自适应搜索算法。运动平台由远及近地接近目标的过程中,目标在图像中的尺度变化十分明显。如何使算法对目标的尺度变化具有自适应性,一直是视觉跟踪问题的难点。针对传统的压缩跟踪算法的目标跟踪窗口不具有尺度自适应性的缺陷,本文在压缩跟踪算法基础上研究了窗口尺度自适应问题,并建立了尺度自适应窗口模型。利用粒子滤波算法,实现了窗口的尺度自适应搜索,具有良好的实时性和鲁棒性。同时,针对快速运动平台的机动特性,对目标在摄像头视野内的丢失情况进行了讨论,如目标被大部分遮挡和目标离开摄像头视野等情况,着重分析了目标丢失对窗口参数和目标特征描述的影响,并在算法中进行了特殊处理,提高了算法鲁棒性。通过实验分析得出,本文算法能够对目标的尺度变化具有较好的自适应性,并且对目标的丢失具有很强的鲁棒性,同时具有良好的实时性。(本文来源于《国防科学技术大学》期刊2013-11-01）
视觉跟踪平台论文开题报告
（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：
旋翼无人机是一种能够垂直起降、定点悬停、低速稳定飞行的无人飞行器。搭载视觉平台的旋翼无人机在军事侦察、灾区救援、道路监控和工业运输等领域具有广泛的应用。本文以无人机载视觉平台主动跟踪技术为研究目标,开发了一种新的适用于移动平台的运动目标跟踪算法,实现了无人机对地面目标的主动跟踪。首先,对课题进行调研和阅读文献,针对无人机载视觉平台主动目标跟踪系统的要求,本着系统的可靠性、机动性、精确性的原则,对硬件组成和软件架构进行分析设计。在此基础上,设计了硬件系统和软件系统的框架,使之可以有效运用于成熟平台的无人机目标主动跟踪任务中。目标跟踪系统的核心是拥有稳健的跟踪算法,为解决目标在形变,遮挡和快速运动时所导致的跟踪失败,本文在经典TLD算法(Tracking-Learning-Detection)的框架下,使用尺度自适应均值偏移算法重新设计了跟踪器,提出了MS-TLD算法。引入了颜色直方图特征和尺度自适应后,跟踪器能准确跟踪形变和快速运动的目标。设计了新的跟踪-检测反馈机制,通过跟踪器和检测器相互校正,使新算法在目标被遮挡时具有很好的跟踪鲁棒性。采用OTB-50标准测试集进行了实验验证与评测,结果表明本文算法有效克服了由于目标形变,遮挡和快速运动以及背景干扰所导致的跟踪失败,比TLD等4种经典算法具有更好的跟踪准确性和鲁棒性。最后,基于MFC库和OpenCV库设计了地面站控制程序。通过对相机坐标系、图像坐标系和像素坐标系的分析,实现目标真实坐标到像素坐标的转换。通过搭载于大疆Inspire1 Pro系列无人机的视觉平台,系统完成了对目标的主动跟踪。
（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。
视觉跟踪平台论文参考文献
[1].朱朔.基于机器视觉的无人平台目标识别与跟踪系统设计[D].南京理工大学.2018
[2].时鹏.无人机载视觉平台主动目标跟踪研究[D].天津理工大学.2017
[3].王常凯.基于嵌入式平台的全向视觉目标检测与跟踪[D].东北大学.2016
[4].邹永艳,张衍志.WSN中视觉辅助方案结合TICC2431ZPS平台的跟踪定位方法[J].电信科学.2016
[5].史浩明.基于嵌入式平台的无人机视觉跟踪避障方法研究[D].南京航空航天大学.2016
[6].张润泽.基于OpenCV的视觉跟踪平台设计与实现[D].吉林大学.2015
[7].凌云志,李伟光,曾顺星,侯跃恩.基于EtherCAT总线的视觉目标跟踪平台设计[J].电子设计工程.2015
[8].王卫,金立左.基于DSP+FPGA视觉跟踪平台的设计与实现[J].工业控制计算机.2015
[9].张起.基于移动式视觉机器人平台的自主跟踪系统设计与实现[D].东北大学.2014
[10].于清华.用于导引快速运动平台的视觉目标跟踪方法研究[D].国防科学技术大学.2013