导读:本文包含了模板更新算法论文开题报告文献综述及选题提纲参考文献，主要关键词:CamShift算法,SURF,尺度,模板更新
模板更新算法论文文献综述
熊昊,段锦,陈小远,代玉强,于津强[1]（2018）在《一种自适应模板更新的CamShift跟踪算法》一文中研究指出针对Cam Shift跟踪算法中跟踪窗口漂移和发散问题,提出加入SURF特征的改进算法。利用SURF特征尺度信息的变化约束搜索框,改善跟踪窗口在遭遇大面积背景色干扰时易发散的问题;利用SURF特征点数量、尺度和方向信息的变化选择相应的模板更新策略,使模板能更好地反映目标的特征,从而在下一帧中更准确地跟踪目标。(本文来源于《现代计算机(专业版)》期刊2018年18期）
王志[2]（2018）在《基于模板更新的目标跟踪算法的研究》一文中研究指出近年来,随着计算机技术的快速发展和人们安全意识的提高,视觉跟踪算法越来越受到广大科研人员的关注,逐渐成为热门研究课题,相继提出了很多有创新的目标跟踪算法和重要理论。但是,视觉目标跟踪会受到背景变化、光照变化、目标旋转、遮挡和目标外观变形的影响,导致目标模板整体更新不足,使跟踪变得异常困难。本文针对均值漂移跟踪算法的模板表征和复杂环境下的模板更新能力不足的问题,提出了多特征融合的均值漂移算法,采用目标颜色特征和纹理特征建立目标直方图模型,利用特征信息的时间性和空间性,进行子特征的选择性分类更新,解决了传统模板整体更新造成的跟踪不准确问题,提高了跟踪算法的准确性和鲁棒性。最后将算法应用到视频监控系统,实现目标的跟踪监控。论文的主要内容和贡献在于:(1)与目前流行的目标跟踪算法进行对比分析,结合颜色纹理特征,实现多特征融合的均值漂移算法。(2)根据目标应用场景的不同,为了解决目标在各种复杂场景中都能被正确跟踪,对目标特征整体进行分类。(3)从时间和空间上分析目标特征的联系,对目标模板进行相应的调整与更新,实现基于模板更新的均值漂移算法。(4)实现了基于目标跟踪算法的视频监控系统。(本文来源于《东南大学》期刊2018-05-11）
刘芳,黄光伟,路丽霞,王洪娟,王鑫[3]（2019）在《自适应模板更新的鲁棒目标跟踪算法》一文中研究指出针对受复杂背景、光照以及目标尺度变化等因素的影响,目标模板更新精度不高,导致跟踪算法鲁棒性差的问题,提出了一种基于深度特征和模板更新的自适应粒子滤波目标跟踪方法。首先对跟踪目标进行仿射变换;然后构造一个12层的卷积神经网络来提取跟踪目标及其仿射变换的深度特征得到目标模板和候选模板,并以此构建候选模板库;其次采用粒子滤波算法跟踪目标,将预测结果与候选模板库中的模板进行匹配,确定新的目标模板并自适应更新候选模板库。实验结果表明,该算法在遮挡、光照、尺度变化、目标旋转和复杂背景的恶劣条件下仍能稳定地跟踪目标,与其他7种先进算法在18组测试视频中进行比较,具有更高的目标跟踪精度和更强的鲁棒性。(本文来源于《计算机科学与探索》期刊2019年01期）
曹正洁,王汇源,张元元,江二华[4]（2014）在《基于SIFT特征和模板更新的粒子滤波目标跟踪算法》一文中研究指出传统的粒子滤波算法利用目标的颜色特征对粒子权值进行更新,当背景与目标的颜色分布相似或者目标被遮挡时,易发生误跟踪。尺度不变特征具有较高的独特性,但是仅使用SIFT特征不足以对小目标进行描述。针对这两种情况,提出一种利用SIFT特征和颜色特征建立目标模型,结合粒子滤波实现目标跟踪的新方法。为了防止目标模板的误更新,根据当前帧跟踪结果与SIFT目标模板中特征点的匹配数目决定是否对颜色目标模板进行更新。实验结果表明,当目标被遮挡或者位于有相似颜色的杂乱背景时,提出的方法能有效提高跟踪的精确度。(本文来源于《计算机应用与软件》期刊2014年12期）
陈东岳,陈宗文,桑永嘉[5]（2014）在《基于多特征在线模板更新的鲁棒目标跟踪算法》一文中研究指出在Mean-shift算法框架下提出一种基于多特征在线模板更新策略的鲁棒目标跟踪算法.首先,针对目标与背景色彩相似引发的跟踪漂移现象,提取照度不变性色彩特征与旋转不变性LBP纹理特征提取算法,并通过引入BWH算法实现多特征融合;其次,在传统的Mean-shift算法收敛条件上增加了直方图相似度校验,以避免陷入局部最优解.此外,还提出了基于直方图差异空间分布图的遮挡现象检测算法,从而提升了模板在线更新算法的准确性.实验结果表明,本文方法对于复杂动态场景、遮挡现象以及目标自身形变具有较强的鲁棒性和较高的准确性.(本文来源于《哈尔滨工业大学学报》期刊2014年07期）
张丹[6]（2014）在《多帧样本模板更新的视频图像运动目标跟踪算法研究》一文中研究指出运动目标跟踪是计算机视觉中的重要研究方向之一，由于现实环境的复杂性和多变性，仍然没有通用的系统能够实现所有条件下的运动目标跟踪。虽然跟踪存在一定难题，但其具有的巨大应用价值推动研究人员坚持不懈的研究。本文在前人研究基础上，针对运动目标跟踪过程中因运动、姿势、遮挡、光照以及消失重现等因素引起的跟踪鲁棒性差问题，进行了研究和仿真实验。首先，针对复杂背景下的快速运动目标跟踪问题，研究了多帧样本信息联合动态更新分类的运动目标跟踪算法。将运动目标的跟踪看作目标和背景分类问题，利用前叁帧目标模板信息，分别采样目标样本和背景样本，结合积分图计算被跟踪目标和背景的Haar-like特征值，并用此特征值训练朴素贝叶斯分类器，在跟踪过程中不断更新目标模板和背景的特征值，使分类器的分类性能逐渐提高，该跟踪算法准确性、实时性较高。其次，针对光照条件变化较大情况下的运动目标跟踪问题，研究了基于局部敏感直方图动态模型更新的相似匹配运动目标跟踪算法。传统图像直方图将每个像素灰度值加到对应像素值范围上，该算法在每个像素位置计算其全局加权直方图，然后计算目标的光照不变特征，通过巴氏距离计算两者之间的相似度实现跟踪。该算法跟踪效果准确、有效。最后，针对在视频图像中的运动目标出现的意外模式，如遮挡、出界、重现等情况，研究了在意外模式下的运动目标跟踪。首先人为选出目标区域窗口，将其分成多个子块表示目标外观的局部信息，利用滑动窗口计算模板整体及其所有子块与当前图像帧的相关性，并与相应的阈值比较，符合条件的作为目标位置并做出标记，最后根据条件对目标模板集合进行更新。解决了意外模式下的运动目标跟踪问题。(本文来源于《燕山大学》期刊2014-05-01）
张康宁[7]（2014）在《基于动态模板更新的嵌入式视频跟踪算法研究》一文中研究指出随着嵌入式技术的发展,越来越多的嵌入式设备出现在生活中。目标跟踪技术在嵌入式平台上的实现也就成为了比较热门的研究方向。本文主要研究了利用模板匹配的原理使目标跟踪在嵌入式平台实现的方法。本文的主要内容为：首先,简要的介绍了嵌入式的软硬件的基本分类和本文所使用的TMS320DM6446的嵌入式平台。然后着重介绍了几种图像匹配算法,通过对算法的仿真和分析,找到算法的优缺点。然后,通过背景差分提取运动目标。通过对匹配算法的优化和缩小搜索范围的方法加快模板匹配的速度。通过模板的动态更新实现目标的定位。最后,将算法在DM6446的平台上实现。本文的实验结果表明,本文所提出的算法能够有效的跟踪目标,并且具有比较稳定的效果。(本文来源于《长春理工大学》期刊2014-03-01）
刘振涛,王朝英,刘卫群[8]（2012）在《基于多特征的双模板自适应更新跟踪算法》一文中研究指出针对均值漂移算法中采用单一颜色特征以及缺乏必要模板更新方法的缺陷,提出一种基于多特征的双模板自适应更新目标跟踪算法。引入像素点邻域灰度均值差和分层空间信息加强目标特征的鉴别性,再通过对目标与背景区域双模板相似度系数的综合分析,准确地判断跟踪干扰因素的来源,并以当前帧目标区域的相似度系数为权值对目标模板进行加权更新,使得模板更新速度与其目标特征变化相适应的同时抑制模板过更新,较好地解决了模板更新时机和更新速度等问题。仿真结果表明,所提算法在不同跟踪场景下均具有较强的鲁棒性。(本文来源于《应用光学》期刊2012年01期）
李琼,王军宁[9]（2011）在《基于互信息和自适应模板更新的目标跟踪算法》一文中研究指出基于归一化互信息的图像目标跟踪算法,在目标发生刚体旋转,出现遮挡或光照条件发生变化时具有较好的稳定性。但是,实用的跟踪系统还要求算法能实时适应运动目标的外观变化,因此,在对归一化互信息跟踪算法研究的基础上,引入基于多尺度图像信息量的模板尺寸自适应更新策略。实验结果证明,改进的跟踪算法,在目标尺寸变化时能够自适应更新模板大小,其稳定性和对环境的适应性有所提高。(本文来源于《电子科技》期刊2011年12期）
李勇勇,谭毅华,田金文[10]（2011）在《基于模板更新的自适应Mean-shift跟踪算法》一文中研究指出提出了一种利用Mean-shift算法处理目标跟踪定位,并以SIFT特征点匹配结果的最小二乘模型来求解缩放系数和更新目标模型的自适应跟踪方法。该方法实现了目标的快速跟踪,解决了模板更新和目标的尺度缩放问题。实验结果表明,该算法在处理目标尺度变化较大的情况下具有很强的鲁棒性。(本文来源于《计算机科学》期刊2011年03期）
模板更新算法论文开题报告
（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：
近年来,随着计算机技术的快速发展和人们安全意识的提高,视觉跟踪算法越来越受到广大科研人员的关注,逐渐成为热门研究课题,相继提出了很多有创新的目标跟踪算法和重要理论。但是,视觉目标跟踪会受到背景变化、光照变化、目标旋转、遮挡和目标外观变形的影响,导致目标模板整体更新不足,使跟踪变得异常困难。本文针对均值漂移跟踪算法的模板表征和复杂环境下的模板更新能力不足的问题,提出了多特征融合的均值漂移算法,采用目标颜色特征和纹理特征建立目标直方图模型,利用特征信息的时间性和空间性,进行子特征的选择性分类更新,解决了传统模板整体更新造成的跟踪不准确问题,提高了跟踪算法的准确性和鲁棒性。最后将算法应用到视频监控系统,实现目标的跟踪监控。论文的主要内容和贡献在于:(1)与目前流行的目标跟踪算法进行对比分析,结合颜色纹理特征,实现多特征融合的均值漂移算法。(2)根据目标应用场景的不同,为了解决目标在各种复杂场景中都能被正确跟踪,对目标特征整体进行分类。(3)从时间和空间上分析目标特征的联系,对目标模板进行相应的调整与更新,实现基于模板更新的均值漂移算法。(4)实现了基于目标跟踪算法的视频监控系统。
（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。
模板更新算法论文参考文献
[1].熊昊,段锦,陈小远,代玉强,于津强.一种自适应模板更新的CamShift跟踪算法[J].现代计算机(专业版).2018
[2].王志.基于模板更新的目标跟踪算法的研究[D].东南大学.2018
[3].刘芳,黄光伟,路丽霞,王洪娟,王鑫.自适应模板更新的鲁棒目标跟踪算法[J].计算机科学与探索.2019
[4].曹正洁,王汇源,张元元,江二华.基于SIFT特征和模板更新的粒子滤波目标跟踪算法[J].计算机应用与软件.2014
[5].陈东岳,陈宗文,桑永嘉.基于多特征在线模板更新的鲁棒目标跟踪算法[J].哈尔滨工业大学学报.2014
[6].张丹.多帧样本模板更新的视频图像运动目标跟踪算法研究[D].燕山大学.2014
[7].张康宁.基于动态模板更新的嵌入式视频跟踪算法研究[D].长春理工大学.2014
[8].刘振涛,王朝英,刘卫群.基于多特征的双模板自适应更新跟踪算法[J].应用光学.2012
[9].李琼,王军宁.基于互信息和自适应模板更新的目标跟踪算法[J].电子科技.2011
[10].李勇勇,谭毅华,田金文.基于模板更新的自适应Mean-shift跟踪算法[J].计算机科学.2011
标签：camshift算法; SURF; 尺度; 模板更新;