导读:本文包含了运动估计与运动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:浮选,运动估计,相位相关,气泡跟踪
运动估计与运动跟踪论文文献综述
陈良琴,王卫星[1]（2016）在《基于气泡跟踪与相位相关的浮选表面气泡平移运动估计》一文中研究指出针对浮选表面气泡运动估计难以兼顾准确度和速度的问题,提出了结合气泡跟踪与相位相关的浮选表面气泡运动估计方法。首先对序列的相邻2帧图像按灰度最小值进行尺度缩小,然后通过阈值分割法提取其气泡高亮区域以完成气泡跟踪,最后采用相位相关法得到气泡平移运动信息。同时提出一种分块相位相关法用于进一步获取各个气泡子区域的运动特征。多组运动估计仿真测试证实了算法的有效性和准确度。铅锌浮选厂的现场实验结果表明,算法能快速地获取气泡运动矢量,分块相位相关法能够提供各子块的运动特征。浮选各槽的气泡运动曲线数据表明:每个浮选槽表面气泡的平移运动均表现出了一定的周期性;同一等级的浮选槽里的气泡平移运动曲线和运动紊乱程度曲线具有类似的分布规律;保持一定程度的气泡运动紊乱性有助于提高精矿的品质。(本文来源于《四川大学学报(工程科学版)》期刊2016年05期）
李岩[2]（2016）在《固定场景中运动目标检测与运动估计跟踪》一文中研究指出由于计算机技术、图像处理、人工智能、计算机视觉等科学研究的深入,智能监控越发受到研究人员的关注。运动目标检测与跟踪是智能监控的基础,从背景中快速准确地提取出运动目标并进行准确跟踪是本研究的目的。目标检测算法对复杂背景的稳定性以及目标跟踪算法同时保持准确性和实时性成为研究课题。本文以固定场景中运动目标为研究对象,研究了运动目标的检测与跟踪,主要工作以及研究结果如下:本文首先介绍了几种视频中运动目标的检测方法和图像数学形态学处理方法。对数学形态学后处理过程中结构元素大小的选取进行了讨论,并对比几种运动目标检测方法的算法实时性和准确性。基于对比结果,综合高斯混合模型背景建模法和帧差分法的优点,规避各自的缺点,给出了一种基于渐消特征描述子的高斯混合模型算法。该算法围绕高斯混合模型进行改进,通过对单帧图像进行特征描述,确定帧图像的复杂性,经过非极大抑制后,引入掩模思想建立像素点之间的空间相关性,采用具有渐消因子的特征描述子解决像素点的时间相关性问题,使得改进的高斯混合模型算法能够根据场景复杂度自适应调节模型个数。随后与帧差分法相结合,根据场景的稳定度合理降低模型个数,减少计算冗余。其次,概述了贝叶斯框架下的最优估计方法。计算机视觉跟踪可以理解为对后验概率进行求解,基于贝叶斯框架的KF、UKF及IMM能够求解后验概率,从而实现基于运动估计的目标跟踪。对比了KF、UKF和IMM的跟踪性能,针对运动目标非线性和运动模型误差问题,尝试使用UKF解决目标方程非线性问题、使用IMM解决运动模型误差问题,保证对视频目标跟踪的精度。随后对IMM模型集选取进行了讨论。最后,介绍了两种常用的自适应采样周期算法,基于自适应采样周期算法,针对视频目标位置近似过程中过多舍弃有用信息的问题,研究了一种使用运动目标面积变化率和位置预测协方差共同表征目标机动特征的方法。使用运动目标面积变化率表征非刚体目标的运动姿态变化,降低单独依靠滤波残差调整采样周期产生的滞后性问题。并通过比较分析残差,选用计算量更小、对模型误差更灵敏的预测残差作为目标非机动状态下采样周期的调节依据。仿真实验表明在确保所需跟踪精度的条件下,降低了平均采样周期,节省了系统资源。(本文来源于《郑州大学》期刊2016-05-01）
卓涛[3]（2015）在《基于外观模型与运动估计联合建模的在线目标跟踪》一文中研究指出目标跟踪作为计算机视觉与模式识别中的一个重要研究方向,近年来一直备受关注。其中,由于在线跟踪存在目标及场景先验知识缺乏,物体及环境变化不可预测等诸多挑战,因此,与离线跟踪相比,在线跟踪的研究对建模方法的适应性和学习策略方面有着更高的要求,从而也成为该研究方向中最具挑战性的难点问题之一。针对上述问题,本论文从分析在线目标跟踪的帧内目标表示和帧间运动变化等特点入手,开展了基于运动目标外观模型与运动估计联合建模的在线跟踪研究。通过构造精确的目标表示模型及灵活的目标运动约束,提高在线学习模型的适应性,并结合鲁棒的模型更新机制,实现复杂环境中精确而鲁棒的目标跟踪,最后通过优化学习策略进一步提高了跟踪方法的实时性。针对非刚体目标形状不规则,传统矩形框表示方式不准确的问题,本文研究了更为普适的基于不规则区域的目标跟踪,提出了基于目标外观与运动流分割的非刚体目标跟踪算法。通过将运动估计引入到在线目标分割的过程中,实现了更为精确的目标表示,有效解决了目前制约任意形状物体在线跟踪的关键问题,并且获得了较好的跟踪结果。然而,由于实际环境的复杂性和多样性,当目标区域颜色分布不均匀或目标与背景相似度较高时,很难分割出精确的目标区域,从而影响了跟踪器的性能。因此,如何提升跟踪模型的普适性成为论文研究的下一个目标。通过对在线分类器样本标签分布特性的进一步分析发现,利用标记样本和未标记样本分布的关联性可以极大提升在线分类器的性能。本文充分利用样本标签空间分布特性以及帧间的运动估计,提出了基于空间约束与运动估计的改进直推式学习跟踪算法,简化了传统直推式学习的样本聚类过程的计算成本,有效地提升了分类器学习的效率。而模型中的选择性目标预测机制和基于预算缓冲的模型更新策略也使得分类器学习更加鲁棒,有效克服了目标在具有相似纹理场景中的目标位置估计问题。该算法在不同的应用环境下获得了较为准确的跟踪效果,在线学习效率也得到一定的提升,然而更为精确且实时的在线目标跟踪还需进一步研究。为了得到准确且实时的跟踪算法,本文重点研究如何在保证跟踪器精确性的前提下提升在线目标跟踪实时性。针对快速的目标预测及精确的目标定位问题,本文综合利用外观模型鲁棒性高及运动估计精确度高的优点,提出了基于外观模型与运动估计的高阶正则化融合跟踪算法。通过构造具有循环结构的核函数作为外观正则项,快速预测目标的初始位置。再利用运动正则项进行自适应的目标大小尺度估计以及快速运动的处理。最后,采用高阶正则化的融合学习的方式实现了更为准确和鲁棒的跟踪器,并且达到了实时的跟踪速度。通过与多个当前国际主流跟踪方法在标准测试数据上的比较,充分证明了本文研究成果的先进性和有效性。(本文来源于《西北工业大学》期刊2015-09-01）
梁超,史东承[4]（2013）在《基于运动估计的CamShift移动目标跟踪算法》一文中研究指出在采用CamShift算法进行移动目标跟踪时,如果目标快速移动或者有遮挡物干扰时,仅利用移动的颜色信息对进行跟踪时容易导致跟踪失败。为了解决该问题,提出了移动目标运动估计和CamShift算法相结合的目标跟踪算法。通过结合削弱背景中含有的目标颜色直方图信息和进行移动目标的运动估计,从而在存在干扰目标或目标部分被遮挡的情况下,仍能实现有效跟踪。最后通过实验验证该算法的有效性。(本文来源于《吉林大学学报(工学版)》期刊2013年S1期）
修彬,李成龙,汤进,罗斌[5]（2014）在《一种基于运动估计的红外目标跟踪方法》一文中研究指出为解决红外目标跟踪中目标的交错、遮挡等问题,提出了一种新的基于运动估计的目标跟踪方法。建立目标的方向梯度-灰度直方图特征模型,该模型能较准确地刻画目标特征。使用最大后验概率指标在搜索区域进行目标匹配,该指标能很好地突出目标、抑制背景,并容易得到全局最优解。提出一种新的运动估计方法,即轨迹预测算法,对目标的运动进行较准确的估计。实验结果证明,该方法不仅计算复杂度低,而且能够较好地解决目标交错、遮挡等问题。(本文来源于《计算机工程与应用》期刊2014年12期）
周斌,王军政,沈伟[6]（2010）在《动态跟踪中背景补偿与目标运动估计》一文中研究指出针对目标的观测位置信息中混入了背景运动的问题,提出一种特征点集与稀疏光流场相结合的背景补偿方法.通过Harris算子找出一组特征点,在相邻帧中通过计算每个特征点的局部最优匹配区域得到稀疏点集的光流向量.根据其光流方向概率分布,最终计算出背景的偏移量.通过背景补偿,得到目标的真实偏移量序列,带入Kalman滤波方程,对下一帧中目标的运动状态进行实时估计.实验表明,背景补偿后的预测精度在10个像素之内,每个均值迁移跟踪单元大约需要10ms,提高了跟踪的稳定性,有效减少了迭代次数.新的跟踪器能满足动态实时跟踪的要求.(本文来源于《北京理工大学学报》期刊2010年11期）
于雪松,赵巍,刘鹏,唐降龙[7]（2010）在《基于混合跟踪模型的室内步行人体3D运动估计》一文中研究指出针对步行人体3D运动估计过程中的自遮挡问题,提出了基于混合跟踪模型的粒子滤波算法.首先,利用自遮挡状态检测模型,将步行人体运动划分为四种自遮挡状态;其次,根据混合跟踪模型,针对不同的自遮挡状态,算法采用不同的跟踪模型;最后,为了估计遮挡状态下的人体运动,算法提出了基于M–估计的在线训练方法以训练肢体运动相关系数.经过实验分析,算法对处于自遮挡状态下的人体3D运动估计有着良好的效果,人体3D运动的估计精度得到了提高.(本文来源于《自动化学报》期刊2010年06期）
邬大鹏,程卫平,于盛林[8]（2010）在《基于帧间差分和运动估计的Camshift目标跟踪算法》一文中研究指出针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进。首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰。之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪。实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪。(本文来源于《光电工程》期刊2010年01期）
罗嘉,韦志辉[9]（2009）在《基于几何活动轮廓模型的目标跟踪与快速运动估计》一文中研究指出为了快速灵活地实现对图像序列中的目标运动的跟踪与描述,首先基于几何活动轮廓模型,提出了一种目标跟踪与运动估计的耦合变分模型,该模型可在进行多个目标跟踪的同时,估计运动矢量场,并以此修正跟踪的结果;然后分别从耦合模型的两个方面,讨论了模型对序列图像处理的执行效率和精度,接着针对耦合框架中的目标跟踪环节,改进了几何活动轮廓模型的外力场,从而增强了模型的跟踪能力和收敛速度;最后针对运动估计问题,由于耦合框架基于几何活动轮廓模型,因此框架在跟踪过程中,天然地提供了图像水平集信息,并在此信息的基础上,提出了一套用于快速计算图像序列局部目标的运动矢量场的方法,其对混合有非刚性运动的目标也能有较好的逼近结果。多种类型图像的数值实验结果证明,整套框架是有效的和鲁棒的,而且与经典光流方法进行的对比实验表明,新算法可以快速准确地同时估计图像序列中局部运动目标的轮廓位置与运动参数,从而为后续图像分析与处理打下了良好的基础。(本文来源于《中国图象图形学报》期刊2009年07期）
严晓玲,梁博,曾贵华[10]（2008）在《基于分块运动估计的对象跟踪方法》一文中研究指出针对摄像机运动和场景光照突变的情况,提出了一种基于分块运动估计的对象跟踪算法。首先,对图像进行分块角点匹配,得到各块运动参数,然后对各块进行分块运动补偿和光照补偿;对补偿后的图像进行相邻帧差分得到目标的近似质心位置;跟踪过程则融合运动目标加权颜色直方图和梯度直方图作为目标特征,以所得质心为初始搜索点,采用螺旋搜索算法,进行目标模板和候选目标相似性检测,搜索最佳匹配点得到目标对象在当前帧的准确位置。实验结果表明,该算法能够有效克服光照剧烈变化,在动态背景下能达到对对象的准确跟踪。(本文来源于《中国图象图形学报》期刊2008年10期）
运动估计与运动跟踪论文开题报告
（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：
由于计算机技术、图像处理、人工智能、计算机视觉等科学研究的深入,智能监控越发受到研究人员的关注。运动目标检测与跟踪是智能监控的基础,从背景中快速准确地提取出运动目标并进行准确跟踪是本研究的目的。目标检测算法对复杂背景的稳定性以及目标跟踪算法同时保持准确性和实时性成为研究课题。本文以固定场景中运动目标为研究对象,研究了运动目标的检测与跟踪,主要工作以及研究结果如下:本文首先介绍了几种视频中运动目标的检测方法和图像数学形态学处理方法。对数学形态学后处理过程中结构元素大小的选取进行了讨论,并对比几种运动目标检测方法的算法实时性和准确性。基于对比结果,综合高斯混合模型背景建模法和帧差分法的优点,规避各自的缺点,给出了一种基于渐消特征描述子的高斯混合模型算法。该算法围绕高斯混合模型进行改进,通过对单帧图像进行特征描述,确定帧图像的复杂性,经过非极大抑制后,引入掩模思想建立像素点之间的空间相关性,采用具有渐消因子的特征描述子解决像素点的时间相关性问题,使得改进的高斯混合模型算法能够根据场景复杂度自适应调节模型个数。随后与帧差分法相结合,根据场景的稳定度合理降低模型个数,减少计算冗余。其次,概述了贝叶斯框架下的最优估计方法。计算机视觉跟踪可以理解为对后验概率进行求解,基于贝叶斯框架的KF、UKF及IMM能够求解后验概率,从而实现基于运动估计的目标跟踪。对比了KF、UKF和IMM的跟踪性能,针对运动目标非线性和运动模型误差问题,尝试使用UKF解决目标方程非线性问题、使用IMM解决运动模型误差问题,保证对视频目标跟踪的精度。随后对IMM模型集选取进行了讨论。最后,介绍了两种常用的自适应采样周期算法,基于自适应采样周期算法,针对视频目标位置近似过程中过多舍弃有用信息的问题,研究了一种使用运动目标面积变化率和位置预测协方差共同表征目标机动特征的方法。使用运动目标面积变化率表征非刚体目标的运动姿态变化,降低单独依靠滤波残差调整采样周期产生的滞后性问题。并通过比较分析残差,选用计算量更小、对模型误差更灵敏的预测残差作为目标非机动状态下采样周期的调节依据。仿真实验表明在确保所需跟踪精度的条件下,降低了平均采样周期,节省了系统资源。
（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。
运动估计与运动跟踪论文参考文献
[1].陈良琴,王卫星.基于气泡跟踪与相位相关的浮选表面气泡平移运动估计[J].四川大学学报(工程科学版).2016
[2].李岩.固定场景中运动目标检测与运动估计跟踪[D].郑州大学.2016
[3].卓涛.基于外观模型与运动估计联合建模的在线目标跟踪[D].西北工业大学.2015
[4].梁超,史东承.基于运动估计的CamShift移动目标跟踪算法[J].吉林大学学报(工学版).2013
[5].修彬,李成龙,汤进,罗斌.一种基于运动估计的红外目标跟踪方法[J].计算机工程与应用.2014
[6].周斌,王军政,沈伟.动态跟踪中背景补偿与目标运动估计[J].北京理工大学学报.2010
[7].于雪松,赵巍,刘鹏,唐降龙.基于混合跟踪模型的室内步行人体3D运动估计[J].自动化学报.2010
[8].邬大鹏,程卫平,于盛林.基于帧间差分和运动估计的Camshift目标跟踪算法[J].光电工程.2010
[9].罗嘉,韦志辉.基于几何活动轮廓模型的目标跟踪与快速运动估计[J].中国图象图形学报.2009
[10].严晓玲,梁博,曾贵华.基于分块运动估计的对象跟踪方法[J].中国图象图形学报.2008