导读:本文包含了光流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,信息融合,光流法,特征提取
光流跟踪论文文献综述
郭瑞峰,贾榕[1]（2019）在《LK光流法的多信息融合目标跟踪算法研究》一文中研究指出针对改善动态目标物体跟踪过程中特征点选取的准确性及实时性问题,提出一种基于LK光流法的多信息融合目标跟踪方法并设计相关算法。将Sift提取出的特征点作为初始特征点,结合Harris角点检测函数R值,通过设定阈值,从中选取出具有高对比度的特征点作为目标特征点,对其进行光流法跟踪;然后引入在线学习检测器,使得在跟踪器跟踪失败之后可以更新目标位置,以实现稳定、准确跟踪。实验的结果从动态目标识别所需时间、特征点的数量、交并比以及每秒处理的帧数几个方面进行比较分析,证明所提算法能够实现准确跟踪,且实时性强。(本文来源于《现代电子技术》期刊2019年18期）
张能波,苏振斌,谢维信[2]（2019）在《Lasso约束下融和光流信息的DCF目标跟踪算法》一文中研究指出视频目标跟踪是计算机视觉的基础问题之一。近来由于discriminative correlation filter(DCF)跟踪器的高效性和鲁棒性,出现了许多基于DCF的目标跟踪算法。为了克服DCF跟踪器对运动模糊目标的不适应性,本文提出了一种利用Lasso约束并融入光流信息的目标跟踪算法。首先在跟踪器抽取特征通道块中融入光流特征。然后在通道块之后进行多特征融合。其次利用Lasso约束DCF跟踪器的目标函数。考虑到所约束的目标函数在定义域上不连续和目标跟踪的优化效率。最后,采用块坐标下降算法来优化所约束的目标函数。实验结果表明,与基于DCF视觉跟踪算法相比,所提出的算法可以有效的处理运动模糊目标,实现复杂环境下鲁棒的视觉目标跟踪。(本文来源于《信号处理》期刊2019年05期）
林少铎,高向东,黎扬进,张南峰,全方红[3]（2019）在《角点检测与光流跟踪的焊缝特征提取与定位研究》一文中研究指出针对V型坡口中厚板对接焊焊缝特征点检测精度不高的问题,研究了一种基于激光视觉传感的角点检测与光流(LK)跟踪的焊缝特征快速提取与定位方法。根据叁角测量原理,设计了能够实时检测焊缝特征图像的激光视觉传感器,并建立了由激光条纹特征点像素坐标到焊缝特征点叁维坐标的数学模型;对焊缝图像进行了预处理,采用Shi-Tomasi角点检测提取了焊缝特征;最后使用光流法为后续帧匹配特征角点,实时计算出了图像中焊缝特征点的亚像素位置。研究结果表明:基于角点检测与光流法跟踪的焊缝特征提取与定位方法,其特征点检测精度较高,平均误差在±0.13 mm以内,可以实时、准确地识别焊缝特征。(本文来源于《机电工程》期刊2019年04期）
张友鹏[4]（2019）在《一种基于光流的行人阴影检测与跟踪》一文中研究指出提出一种基于光流和机器学习的行人阴影检测与跟踪算法。算法假设初始帧的阴影边缘已知,首先利用从已知结果中提取的边缘信息特征对RF(随机森林)模型进行训练,然后在对前后两帧进行光流跟踪的同时找出误差较大的点,然后利用训练好的RF模型从邻域Canny获选边缘点中识别符合阴影特征的点。由于视点移动可能会带来的有新场景进入画面的问题,采用动态更新RF的方法。最后,对于仍可能存在的阴影边缘断裂不连续或者错误分类的情况,可以使用一些方法进行补全和修正。实验结果表明,该算法可以准确地检测和跟踪移动视点下视频中运动人体的投射阴影。(本文来源于《现代计算机(专业版)》期刊2019年08期）
贾哲[5]（2019）在《基于光流跟踪和特征匹配的视觉里程计研究》一文中研究指出视觉里程计也称视觉定位,是指机器人行进过程中,利用机载相机采集到的图像信息,估计出机器人的位置变化。相比于传统定位方式,视觉定位能够克服数据丢失,车轮打滑造成的定位不准确等缺点,成为了机器人领域中的重要研究方向。但是目前视觉里程计仍然存在以下的问题:1点特征检测算法实时性和鲁棒性不好,影响运动估计。2在纹理缺失和动态等场景中表现不佳,忽略了结构线特征。3闭环检测效率低,难以应用到大规模场景中。本文针对上述问题对视觉里程计算法进行了研究,在基于点特征和图优化框架的视觉定位基础上,提出一种环境适应性和实时性更好、鲁棒性更强的视觉里程计算法。主要研究内容如下:(1)对几种常见的点特征提取算法进行了分析对比,并在ORB特征提取基础上结合最大值稳定区域算法做出改进,先划分区域,再提取点特征,既能保证点特征的质量,又可以节省计算开销。同时引入改进的光流法来快速跟踪特征点在图像间的运动,省去了耗时的点特征描述和匹配过程。(2)针对欠纹理环境中提取点特征较少,导致位姿估计困难的问题,提出了同时提取环境中点线特征的策略。首先采用LSD算法进行线特征的提取并改进线特征匹配过程,从而准确快速地去除误匹配。然后通过计算直线特征的静态权重方式,剔除动态特征的影响。在求解相机位姿时,先采用点特征进行初始位姿估计,然后构建点线综合的图模型求取关键帧之间相机运动,避免依赖单一特征造成定位系统鲁棒性不高的问题。(3)针对在开阔的室外或移动机器人长期运行时,由于场景过多导致回环检测效率低下的问题,提出了一种将线特征构建成词汇树的视觉词典方案。相较于图像间的在线匹配,本文通过检索词汇库的方式进行回环检测时图像间的相似性判断,可快速增加关键帧之间的约束,提高了回环检测的效率。最后,搭建基于Kinect深度相机的视觉里程计系统来验证算法的有效性。通过在多种不同数据集和真实场景下的测试,验证了本文算法不仅能够满足实时性的要求,在弱纹理场景中也能提高系统的鲁棒性,有着良好的定位精度。(本文来源于《天津理工大学》期刊2019-03-01）
陈祺[6]（2019）在《基于改进光流法的运动目标检测与跟踪》一文中研究指出运动目标的检测与跟踪是一个近年来一直热门的研究与应用领域,主要是能够从较为复杂的背景下精准地自动识别运动目标,并且可以连续地获得目标的位置信息,再对目标进行追踪的过程。目前在日常生活以及军事各个领域内应用。目前计算机视觉领域应用较多的检测与跟踪算法是光流法,本文涉及的L-K光流法针对图像帧间运动较大时效果较差。为了克服L-K光流法的缺陷,我们加入了金字塔图像对原图像进行连续降级采样,并结合Meanshift算法来去除背景中特征点的干扰,加快跟踪速度。本文主要包含以下工作:(1)介绍了与本文有关的图像处理技术,如何采集图像以及对图像进行预处理,介绍对运动目标进行检测与跟踪的常用算法并对效果进行比较。(2)针对L-K光流法分析原理以及优缺点,探究进行校正的方案。研究Meanshift算法原理、优缺点以及结合L-K光流法后的改进。采用图像金字塔以及利用Meanshift算法能够在密度分布中寻找极值的特性加强L-K光流法对运动目标的跟踪的精准度。将改进算法与粒子滤波算法的跟踪效果进行比较。(3)使用叁星Cortex-a9四核Exynos4412开发板实现实时检测与跟踪运动目标。首先介绍开发平台的硬件组成模块。接下来将Linux内核移植到ARM开发板上,并且完成QT的移植,CCD摄像头视频的采集,OPENCV库与头文件的移植,配置完成后对于文中提到的检测与跟踪算法进行检验,最终实现结果在在LCD屏幕上显示。(本文来源于《哈尔滨工程大学》期刊2019-01-01）
屈治华,邵毅明,邓天民[7]（2018）在《基于特征光流的多运动目标检测跟踪算法与评价》一文中研究指出光流车辆检测算法其光流不仅携带了运动物体的运动信息,还包含丰富的叁维结构信息,能够在未知场景信息的情况下对运动目标进行准确检测;但传统光流法计算方法复杂、抗噪性能差、处理速度缓慢,无法满足多目标实时检测的实际需求。为提高光流法实时检测效率,同时保持较好的检测精度,提出了一种基于Harris特征点光流及卡尔曼滤波模型的多运动目标跟踪算法;并提出新的视频目标检测算法性能评价指标。通过对不同实验场景下多个运动目标的检测与跟踪实验统计结果表明,对比主流Meanshift车辆跟踪算法,检测精度平均提高4.61%;且跟踪持续性提升41.5%,具有更好的鲁棒性及准确性。在时间效率上较比传统光流法平均提升42.9%,能够更好地满足目标跟踪实时性要求。(本文来源于《科学技术与工程》期刊2018年22期）
郭向威[8]（2018）在《基于改进光流法的运动目标检测与跟踪研究》一文中研究指出目前计算机视觉的智能化发展的越来越快,应用十分广泛。运动目标检测与跟踪是该领域的重点对象,一直受到研究人员的不断探索与研究。通过对视频图像序列进行分析研究,进而实现对目标的检测与跟踪,对目标行为分析指导的意义十分重要。本文主要对目标检测与跟踪方面进行了分析研究,本文主要工作概括如下:(1)在运动目标检测方面,针对目标大位移情况下检测困难问题,本文在光流法的基础上,引入了图像金字塔算法以及边缘检测技术,取得了不错的检测效果。然后,使用本文方法在静态背景和动态背景两种情况下进行了实验分析,发现静态背景下检测效果良好,但是动态背景的情况下往往会把背景边缘误认为是运动目标的边缘,使检测结果有背景边缘干扰,在此基础上本文使用Mean Shift算法搜索背景光流,利用运动目标光流方向与背景光流方向不一致的特点,通过适当的阈值把背景光流矢量与目标光流矢量进行了分割,最后再次进行目标检测,得到了不错的效果,抑制了背景边缘的干扰。(2)在运动目标跟踪方面,本文在光流法的基础上,加入了卡尔曼滤波器,将二者结合起来,解决了运动目标速度发生剧烈变化时的目标丢失问题,同时提高了光流法跟踪的实时性。由于光流既能进行运动目标的检测,又能进行运动目标的跟踪,而且不需要先验知识,但是实时性较差,而卡尔曼滤波算法在进行运动目标预测时需要先验知识,但是算法简单,准确性好,所以将二者进行结合起来对运动目标进行跟踪,可以优势互补。通过卡尔曼滤波构造初始模型,然后对运动目标可能出现的位置进行预测确定搜索区域,使用光流金字塔方法在该区域内进行目标检测,找到与初始模型最匹配的目标位置进行跟踪。本文方法使光流法的检测范围大大的缩减了,减少了光流法的计算量,使光流法的准确性得到了提高,同时也使光流法的实时性得到了较大提高。经实验验证,本文加入卡尔曼滤波后的光流金字塔法能够解决运动目标速度和方向发生剧烈变化的跟踪问题,准确性和实时性都得到了提高。(本文来源于《广西大学》期刊2018-06-01）
徐里萍,耿斌,李小龙,赵丽[9]（2018）在《Harris角点结合金字塔光流法的目标跟踪算法设计研究》一文中研究指出针对现存很多跟踪算法在速度和准确度方面很难满足嵌入式跟踪开发的需要,提出一种基于Harris角点和金字塔光流法的快速跟踪算法,并详细给出了DSP-FPGA的硬件设计;首先,使用Harris角点提取目标角点特征;然后,使用金字塔光流法为后续视频帧匹配角点;最后,基于角点的质心跟踪算法用于匹配目标的重心,确定目标的位置,重心跟踪算法可以较好地抵消由于旋转或扭曲带来的形变问题;在硬件实现过程中,FPGA方便电路设计,使用硬件描述程序语言实现硬件算法、逻辑控制和外部接口,DSP则运行目标跟踪算法;实验结果验证了本文硬件实现算法的有效性,相比于AVT21开发板的质心跟踪算法、相位相关跟踪算法和金字塔相关性跟踪算法相比,文章算法在平均重迭和平均中心误差方面具有一定优势,在720p的视频流上可以满足25fps。(本文来源于《计算机测量与控制》期刊2018年05期）
李成美,白宏阳,郭宏伟,梁华驹[10]（2018）在《一种改进光流法的运动目标检测及跟踪算法》一文中研究指出针对精确制导武器末制导过程中动态背景情况下难以有效检测出运动目标的问题,提出了一种改进光流法的运动目标检测方法,并设计了相关跟踪算法。将Shi-Tomasi角点检测和金字塔LK(Lucas-Kanade)光流法结合,只计算强角点处的光流场,较好地估计了全局运动参数,然后采用卡尔曼滤波平滑运动矢量,有效地对当前图像进行了运动补偿。8对补偿后的图像采用叁帧差分法得到运动目标,并设计了形态学腐蚀和膨胀运算去除了噪声以更准确地提取目标,最后对检测出的运动目标用归一化积相关算法进行了跟踪。仿真试验及嵌入式平台下的实际测试结果表明,所设计的算法在背景运动情况下依然能够非常有效地检测出运动目标,并且对目标能够稳定地跟踪。在PC上处理速度达到了34.1 f/s,嵌入式平台下为15.6 f/s。(本文来源于《仪器仪表学报》期刊2018年05期）
光流跟踪论文开题报告
（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：
视频目标跟踪是计算机视觉的基础问题之一。近来由于discriminative correlation filter(DCF)跟踪器的高效性和鲁棒性,出现了许多基于DCF的目标跟踪算法。为了克服DCF跟踪器对运动模糊目标的不适应性,本文提出了一种利用Lasso约束并融入光流信息的目标跟踪算法。首先在跟踪器抽取特征通道块中融入光流特征。然后在通道块之后进行多特征融合。其次利用Lasso约束DCF跟踪器的目标函数。考虑到所约束的目标函数在定义域上不连续和目标跟踪的优化效率。最后,采用块坐标下降算法来优化所约束的目标函数。实验结果表明,与基于DCF视觉跟踪算法相比,所提出的算法可以有效的处理运动模糊目标,实现复杂环境下鲁棒的视觉目标跟踪。
（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。
光流跟踪论文参考文献
[1].郭瑞峰,贾榕.LK光流法的多信息融合目标跟踪算法研究[J].现代电子技术.2019
[2].张能波,苏振斌,谢维信.Lasso约束下融和光流信息的DCF目标跟踪算法[J].信号处理.2019
[3].林少铎,高向东,黎扬进,张南峰,全方红.角点检测与光流跟踪的焊缝特征提取与定位研究[J].机电工程.2019
[4].张友鹏.一种基于光流的行人阴影检测与跟踪[J].现代计算机(专业版).2019
[5].贾哲.基于光流跟踪和特征匹配的视觉里程计研究[D].天津理工大学.2019
[6].陈祺.基于改进光流法的运动目标检测与跟踪[D].哈尔滨工程大学.2019
[7].屈治华,邵毅明,邓天民.基于特征光流的多运动目标检测跟踪算法与评价[J].科学技术与工程.2018
[8].郭向威.基于改进光流法的运动目标检测与跟踪研究[D].广西大学.2018
[9].徐里萍,耿斌,李小龙,赵丽.Harris角点结合金字塔光流法的目标跟踪算法设计研究[J].计算机测量与控制.2018
[10].李成美,白宏阳,郭宏伟,梁华驹.一种改进光流法的运动目标检测及跟踪算法[J].仪器仪表学报.2018