导读:本文包含了目标特征点跟踪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:无人机跟踪,特征点,稀疏编码,光流
目标特征点跟踪算法论文文献综述
高政[1]（2019）在《基于特征点的无人机视觉目标跟踪算法》一文中研究指出目标跟踪是在缺乏目标先验信息的情况下,对连续时间内的目标位置进行估计。针对一般性目标的跟踪算法近些年来在准确性方面取得了显着进步。然而,关于无人机动态场景目标跟踪的文献还很少。无人机跟踪旨在估计搭载的相机捕获的视频序列中的航空视角下的目标的位置。与一般性跟踪算法相比,无人机跟踪的主要挑战集中在快速运动,尺度变化以及长宽比变化等因素导致的显着外观变化。本文利用局部特征点能够提取图像局部结构信息的能力,从特征检测和目标搜索两个方面对无人机跟踪算法进行改进。传统的手工设计的特征检测器往往只适用于特定类型的目标(如人脸、行人等),而不适用于无人机航空视角下目标外观显着变化的情况。为此,本文提出了一种基于稀疏编码的稀疏特征学习算法,来改善目标跟踪的鲁棒性。其基本思想是,对前几帧采样的训练样本进行字典学习得到字典,然后对当前帧的测试样本进行稀疏特征表示。首先对图像块进行局部阈值自适应FAST特征点检测,然后以特征点为中心采集图像块得到训练样本。通过计算图像块的局部梯度方向,对字典的元素进行分组训练,以描述不同图像块的局部方向信息。最后,将图像块划分为小方块,将稀疏特征投影到这些块中,再构造块的特征向量。传统的基于检测的跟踪系统框架往往以前一帧跟踪结果为中心在其局部邻域内搜索目标的位置。在无人机跟踪中,由于无人机运动导致了相机视角不断变化,局部搜索策略难以适应这种动态场景。因此,本文基于平滑光流提取推荐区域,提供候选目标搜索区域用于目标位置的检测。基本思想是通过最小化优化来估计最优平滑光流场,最优化的目标函数由叁项组成:衡量平滑光流和原始光流的残差的数据项,计算特征点邻域内光流的相似性的平滑项,以及目标的刚性运动模型。首先,利用基于局部阈值的FAST检测器提取特征点。然后,通过Jacobi迭代求解平滑Lucas-Kanade光流,推断特征点的位移。最后,估计目标的平移和尺度变化,确定目标的候选搜索区域。本文利用无人机搭载的高清相机拍摄得到的UAV123数据集作为测试集评估所提算法在精度和成功率方面的性能。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
付灿[2]（2019）在《基于目标特征匹配的视觉跟踪算法研究》一文中研究指出计算机视觉技术就是通过计算机快速准确获取目标的位置、速度和加速度等目标运动状态参数,基于这些信息可以进一步对目标进行分析。基于特征匹配的确定性视觉目标跟踪算法以其较高的实时性、较高的精确度,具有较好的应用前景良好。但是在一些复杂的跟踪场景的应用中,此类方法因受多种因素影响易于丢失目标。因此,该类视觉目标跟踪算法还有许多的缺陷需要改进。针对跟踪微小型目标容易失败的问题,以荧光显微镜下的神经丝蛋白影像为实验对象。利用HSV颜色空间所得颜色直方图建立目标模型,结合预测点对目标特征点加权。通过在目标颜色概率模型中引入核函数,利用核密度梯度来进行目标搜索,最终在每帧图像中获取目标的具体位置。鉴于神经丝蛋白的特殊性,本章还对比分析了其他两种概率预测类算法的跟踪效果。实验结果表明,此方法能够快速稳定跟踪神经丝蛋白,为神经丝蛋白质的医学研究提供了新的途径。针对传统camshift算法的目标建模及匹配易受干扰像素影响的问题,对目标建模和匹配做了相应改进。改进的目标建模方法通过分块选取目标中最为明显的颜色特征,使得目标与背景的区分更加明显。此外在跟踪过程中的目标匹配环节,基于传统模型的跟踪方法需要逐个查阅候选目标区域的像素,计算量较大。改进方法将候选目标区域分块,然后提取各分块的特征与目标模型做对比,此方法不仅降低了运算量,而且还能将干扰像素点的影响分散到周围的区域,使得干扰像素可以通过二值化的手段消除。实验结果证明,基于改进模型的目标跟踪方法的跟踪精度与速度有较大提高。针对核相关滤波算法难以应对复杂跟踪场景的问题,提出了一种帧内跟踪效果评估方法来识别目标遮挡场景以及目标偏离的情况。首先在HSV颜色空间对目标分块并建立判别模型,在跟踪的过程中对候选目标区域分块并结合判别模型生成搜索区域的颜色概率分布图,然后在颜色概率分布图中对核相关滤波算法的初步跟踪结果进行评估,根据评估结果决定是否使用修正算法修正跟踪结果。在目标模型更新策略方面,结合判别模型对初步跟踪结果的评估从而识别复杂场景,提出了一种自适应学习因子的模型更新策略,避免引入过多背景或遮挡物的信息。通过实验结果分析,显示该改进核相关滤波算法算法能够有效的应对遮挡、复杂背景等跟踪场景,同时能对目标偏离进行修正。最后,对全文的研究工作做出了概括,说明了已解决的问题以及仍存的不完善之处并指明了今后在此研究方向上需要进一步研究的要点。(本文来源于《新疆大学》期刊2019-05-24）
田伟,柏方超[3]（2019）在《基于特征点的KLT实时目标跟踪算法实现》一文中研究指出目标跟踪技术已经在无人设备定位导航、监视设备、医疗诊断等诸多领域得到了广泛而深入的应用,因此对目标实时跟踪的研究领域具有可观的发展前景和十分重要的应用价值及商用价值。文中实现的KLT目标跟踪算法是一种基于光流法(基于特征点的目标跟踪算法)所提出的。在OpenCV平台上实现了KLT目标跟踪算法,对仿真实验素材进行了跟踪效果测试,并在背景固定以及运动背景下再次对KLT目标算法的跟踪效果进行了测试及误差分析。实验结果表明,KLT目标跟踪算法运算速度快,鲁棒性好,具有良好的发展前景。(本文来源于《光电技术应用》期刊2019年01期）
郑晓萌,张德海[4]（2018）在《基于有效特征点的运动目标匹配跟踪算法》一文中研究指出在实际场景下,由于目标快速运动,遮挡、复杂背景等因素影响,使得对运动目标的跟踪效果较差。为了解决上述问题,提出了一种基于有效特征点的自适应目标跟踪算法,实现对运动目标的稳定实时跟踪。首先对光流法追踪及特征点匹配得到的稳定特征点进行融合,得出能有效代表目标的特征点。然后利用上述特征点求出目标的角度变化和尺度变化,进而实现对目标的跟踪。其中,在特征点匹配过程中,采用马尔科夫方向预测器求出目标框在下一时刻中的大概位置,缩小了检测区域并增强了对相似目标的辨识能力。实验表明,该方法具有较高的跟踪精度、处理速度和鲁棒性,尤其是当目标快速运动或者发生形变时,能够有效的减少中心错误率。(本文来源于《电子设计工程》期刊2018年20期）
刘兴云,戴声奎[5]（2018）在《结合特征点匹配的在线目标跟踪算法》一文中研究指出提出一种结合特征点匹配的目标跟踪算法.首先,通过显着区域跟踪方法,解决算法对初始化目标框大小敏感的问题,提高样本选取质量,并降低背景杂波对跟踪器的影响.其次,采用中值流法跟踪和特征点匹配相结合的方法估计目标的尺度变化,并通过层级聚类方法剔除干扰点,解决跟踪器漂移及目标平面旋转跟踪失败等问题.最后,提出一种简单的检测器自适应尺度快速搜索目标方法加快检测速度.结果表明:所提方法有效地提高了TLD目标跟踪算法的跟踪鲁棒性,并在标准数据集上得到了很好的效果.(本文来源于《华侨大学学报(自然科学版)》期刊2018年03期）
胡淑桃[6]（2018）在《特征点辅助的核相关滤波目标跟踪算法》一文中研究指出视觉目标跟踪技术作为计算机视觉领域的一个重要分支,已经在人机交互、生物医学、智能监控等众多领域发挥重要作用。近几年,基于相关滤波理论的目标跟踪算法因其较好的鲁棒性和高效性,成为目前视觉目标跟踪领域的主流算法之一。然而,这类算法依然存在许多关键问题亟待解决,比如目标尺度缩放、旋转、完全遮挡以及目标消失重现等。为此,本文围绕这些关键问题对核相关滤波跟踪算法(Kernelized Correlation Filters,KCF)展开深入研究,主要研究内容及取得的成果概括如下:(1)设计了一种尺度和旋转角度自适应的核相关滤波跟踪算法(SR_KCF)。该算法结合前向-后向光流法获取当前帧稳定特征点,然后通过计算稳定特征点和初始帧目标模型中特征点间的相对距离和角度变化,估计目标尺度和旋转角度,以完成KCF的尺度和旋转角度自适应改进。同时利用经过层次凝聚聚类算法处理后的特征点估计目标中心,将此中心和KCF估计的目标中心进行有效融合,进一步提高目标中心位置估计的精度。另外,针对KCF采用固定学习率更新分类器,不能较好地处理目标部分遮挡等问题,SR_KCF算法根据可以反映目标受遮挡程度的特征点匹配率对学习率及目标尺度、角度等进行动态调整,从而提高算法的抗遮挡性和准确性。最后通过对比实验证明,该算法可以实现目标尺度和旋转角度自适应跟踪,并且在部分遮挡、运动模糊等复杂场景下该算法较对比算法能够更准确地跟踪目标。(2)设计了一种基于特征点匹配和SR_KCF的长期跟踪算法。原始KCF仅在上一帧目标位置的局部区域进行目标跟踪,不能处理长时间跟踪中可能出现的目标长期遮挡或消失重现等难题。为此,本文以上述SR_KCF算法作为跟踪器,然后设计基于特征点匹配的目标重检测算法作为检测器,并将该检测器与有效的异常判断策略相结合,辅助SR_KCF跟踪器在目标移出视野或长期遮挡一段时间又重新出现在视野中时重新找回目标,从而提高算法在长时间跟踪中的鲁棒性。另外,为了使检测器可以快速准确的重新捕获目标,本文通过新颖的特征库(特征点集合)维护方法在SR_KCF跟踪器运行的过程中实时更新检测器的目标模型,使得模型中的特征点不会过于冗余,且又能保留目标的最近外观变化及其历史变化。最后通过对比实验证明,该算法在发生目标丢失重现或长期遮挡等异常情况时具有重检测目标的能力,且相较于其他长期跟踪算法,该算法在长时间跟踪中的整体性能更为优越。(本文来源于《西安电子科技大学》期刊2018-05-01）
毛晓波,周晓东,刘艳红[7]（2018）在《基于FAST特征点改进的TLD目标跟踪算法》一文中研究指出TLD是近年来出现的一种较为新颖的长时间目标跟踪算法,它与传统的跟踪算法区别在于将传统的检测算法和跟踪算法结合起来,通过学习模块来学习目标的特征,从而进行有效跟踪.笔者针对算法跟踪器无法可靠跟踪均匀选取的特征点的问题,提出一种基于FAST特征点改进的TLD目标跟踪算法,保证所选特征点能够被正确可靠跟踪,提高跟踪器的精度.针对跟踪过程中学习模块的模板累积效应明显,实时性降低的问题,采用一种动态模板管理机制.在模板数量达到阈值时,通过比较模板与当前目标的相似度,删除特定模板,保持模板数量恒定.实验表明,改进后的算法具有更高的跟踪精度和实时性.(本文来源于《郑州大学学报(工学版)》期刊2018年02期）
代玉强[8]（2018）在《目标跟踪过程中特征点更新及匹配算法研究》一文中研究指出随着计算机视觉的不断发展,目标识别与跟踪技术被应用到了越来越多的领域,不管是在军事还是民用方面,该技术都发挥了重要的作用。但是这项技术也面临许多难点,目标图像很容易受到外界干扰,尺度变化、旋转变化、光照变化以及噪声都会影响识别的结果。为此,研究人员先后从不同的角度提出了各种各样的算法和改进方案,但是仍不能满足所有的情况,目标识别与跟踪技术依旧是计算机视觉的一个研究热点。本文主要研究基于SIFT特征点的目标识别与跟踪算法。SIFT特征点是一种鲁棒性很高的局部特征描述子,被广泛应用在图像的匹配、识别领域。针对SIFT算法只能处理灰度图像的问题,结合颜色不变量理论,以彩色图像的颜色不变量代替原有的灰度图像作为SIFT算法的输入图像,将目标颜色信息融入SIFT特征点中。然后使用K-D树算法匹配目标与待测图像的特征点,由于高维度下K-D树匹配效率低,结合PCA技术优化K-D树的生成过程,使索引树结构更加合理,提高特征点匹配效率。最后通过RANSCA精匹配算法剔除错误匹配结果,实现目标的准确识别。此外本文提出一种针对旋转目标物的特征点更新方案。由于旋转目标物的外观图像随着转动不断变化,最初提取得到的目标特征点会逐渐消失,导致跟踪的失败。针对这种特殊情况,本文通过仿射变换以及正确匹配率等参数判断当前目标状态,适时调整跟踪窗口并重新提取SIFT特征点,逐步替换全部的目标特征点,以适应图像的变化。最后设计实验,通过一组图像序列测试不同外界干扰对本文算法跟踪结果的影响,结合实验结果数据分析算法性能。(本文来源于《长春理工大学》期刊2018-04-01）
陈戈,董明明[9]（2017）在《基于特征点检测与光流法的运动目标跟踪算法》一文中研究指出为了解决当前运动目标跟踪算法在背景模型复杂和目标特征不明显的情况下,导致算法跟踪能力不足的问题,本文分别从特征点检测与光流法分析的角度出发,提出了基于特征点检测与光流法的运动目标跟踪算法。首先,根据图像梯度矩阵最小特征值,通过仿射变换,精确化特征点帧间匹配,排除伪特征点,达到精准检测运动目标特征点的目的。然后,基于图像像素守恒原理,进行2幅图像间变形评估,建立图像约束方程,进一步精确跟踪运动目标。最后,基于软件开发环境QTCreator实现算法,并系统集成。实验测试结果显示:与当前运动目标跟踪技术相比,本文算法拥有更高的准确性与稳定性。(本文来源于《电子测量技术》期刊2017年12期）
刘杰[10]（2017）在《一种复杂光照环境下的目标特征聚类跟踪算法》一文中研究指出为了研究在复杂光照环境下的多目标特征聚类跟踪,文章分析了从傍晚到夜景时段下车辆视频流的素材,并设计了结合灯组聚类跟踪、灯影去除、车身聚类跟踪的多特征跟踪算法,实验结果表明采用多特征聚类跟踪算法后,在复杂的光照环境下取得较好的跟踪效果。(本文来源于《大众科技》期刊2017年11期）
目标特征点跟踪算法论文开题报告
（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：
计算机视觉技术就是通过计算机快速准确获取目标的位置、速度和加速度等目标运动状态参数,基于这些信息可以进一步对目标进行分析。基于特征匹配的确定性视觉目标跟踪算法以其较高的实时性、较高的精确度,具有较好的应用前景良好。但是在一些复杂的跟踪场景的应用中,此类方法因受多种因素影响易于丢失目标。因此,该类视觉目标跟踪算法还有许多的缺陷需要改进。针对跟踪微小型目标容易失败的问题,以荧光显微镜下的神经丝蛋白影像为实验对象。利用HSV颜色空间所得颜色直方图建立目标模型,结合预测点对目标特征点加权。通过在目标颜色概率模型中引入核函数,利用核密度梯度来进行目标搜索,最终在每帧图像中获取目标的具体位置。鉴于神经丝蛋白的特殊性,本章还对比分析了其他两种概率预测类算法的跟踪效果。实验结果表明,此方法能够快速稳定跟踪神经丝蛋白,为神经丝蛋白质的医学研究提供了新的途径。针对传统camshift算法的目标建模及匹配易受干扰像素影响的问题,对目标建模和匹配做了相应改进。改进的目标建模方法通过分块选取目标中最为明显的颜色特征,使得目标与背景的区分更加明显。此外在跟踪过程中的目标匹配环节,基于传统模型的跟踪方法需要逐个查阅候选目标区域的像素,计算量较大。改进方法将候选目标区域分块,然后提取各分块的特征与目标模型做对比,此方法不仅降低了运算量,而且还能将干扰像素点的影响分散到周围的区域,使得干扰像素可以通过二值化的手段消除。实验结果证明,基于改进模型的目标跟踪方法的跟踪精度与速度有较大提高。针对核相关滤波算法难以应对复杂跟踪场景的问题,提出了一种帧内跟踪效果评估方法来识别目标遮挡场景以及目标偏离的情况。首先在HSV颜色空间对目标分块并建立判别模型,在跟踪的过程中对候选目标区域分块并结合判别模型生成搜索区域的颜色概率分布图,然后在颜色概率分布图中对核相关滤波算法的初步跟踪结果进行评估,根据评估结果决定是否使用修正算法修正跟踪结果。在目标模型更新策略方面,结合判别模型对初步跟踪结果的评估从而识别复杂场景,提出了一种自适应学习因子的模型更新策略,避免引入过多背景或遮挡物的信息。通过实验结果分析,显示该改进核相关滤波算法算法能够有效的应对遮挡、复杂背景等跟踪场景,同时能对目标偏离进行修正。最后,对全文的研究工作做出了概括,说明了已解决的问题以及仍存的不完善之处并指明了今后在此研究方向上需要进一步研究的要点。
（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。
目标特征点跟踪算法论文参考文献
[1].高政.基于特征点的无人机视觉目标跟踪算法[D].哈尔滨工业大学.2019
[2].付灿.基于目标特征匹配的视觉跟踪算法研究[D].新疆大学.2019
[3].田伟,柏方超.基于特征点的KLT实时目标跟踪算法实现[J].光电技术应用.2019
[4].郑晓萌,张德海.基于有效特征点的运动目标匹配跟踪算法[J].电子设计工程.2018
[5].刘兴云,戴声奎.结合特征点匹配的在线目标跟踪算法[J].华侨大学学报(自然科学版).2018
[6].胡淑桃.特征点辅助的核相关滤波目标跟踪算法[D].西安电子科技大学.2018
[7].毛晓波,周晓东,刘艳红.基于FAST特征点改进的TLD目标跟踪算法[J].郑州大学学报(工学版).2018
[8].代玉强.目标跟踪过程中特征点更新及匹配算法研究[D].长春理工大学.2018
[9].陈戈,董明明.基于特征点检测与光流法的运动目标跟踪算法[J].电子测量技术.2017
[10].刘杰.一种复杂光照环境下的目标特征聚类跟踪算法[J].大众科技.2017