基于交叉耦合控制的复杂场景下.docx

1、基于交叉耦合控制的复杂场景下论文题目 基于交叉耦合控制的复杂场景下 运动目标跟踪算法研究 学科专业 检测技术与自动化装置学 号 201021070416作者姓名 张荣华指导教师 陈 勇 副教授分类号 密级 UDC注1 学 位 论 文基于交叉耦合控制的复杂场景下运动目标跟踪算法研究（题名和副题名）张荣华（作者姓名）指导教师 陈 勇 副教授 电子科技大学 成 都 （姓名、职称、单位名称） 申请学位级别 硕士 学科专业 检测技术与自动化装置 提交论文日期 论文答辩日期 学位授予单位和日期 电子科技大学 年 月 日 答辩委员会主席 评阅人 注1：注明国际十进分类法UDC的类号。RESEARCH ON

2、MOVING TARGET TRACKING ALGORITHM BASED ON THE CROSS-COUPLED CONTROL OF COMPLEX SCENESA Master Thesis Submitted toUniversity of Electronic Science and Technology of ChinaMajor: Detection Technology and Automatic EngineeringAuthor: Zhang RonghuaAdvisor: Associate Professor Chen YongSchool : School of

3、Energy Science and Engineering独 创 性 声 明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。作者签名： 日期： 年 月 日论 文 使 用 授 权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大

4、学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名： 导师签名： 日期： 年 月 日摘 要运动目标检测与跟踪作为人工智能领域一个重要的研究方向，在过去十年得到了足够的关注以及非常广泛的应用，比如智能视频监控技术、武器的精确制导技术等。上述研究和应用是基于静止摄像机的情况，对于移动摄像机下的目标检测，由于摄像机的运动引起背景变化增加了检测与跟踪的复杂度，使其成为一个难点。在众多实际应用中，摄像机都是处于运动状态，因此移动背景下的目标检测与跟踪就显得非常重要。本文对移动背景下的目标检测算法进行

5、了研究，重点研究了基于特征点的检测算法和基于图像匹配和耦合的检测算法，并将检测算法与跟踪滤波器结合进行了性能的对比，将最优算法进行进一步的验证。本论文主要包括了以下几部分的工作：(1)本文从特征点出发进行移动背景下的目标检测，首先比较几种常见的特征点提取算法，随后确定最优算法提取移动背景下的视频序列的特征点。在此基础上利用K-Means聚类实现特征点的分类，完成了移动背景下的目标检测工作。(2) 将视频序列两帧之间的特征点进行精确匹配，随后计算特征点之间的运动向量，并对于运动向量进行统计建立运动向量直方图，在此基础上实现了移动背景下的目标检测。(3) 根据视频序列精确匹配的特征点对并结合反射参

6、数模型求取摄像机的运动参数，利用运动参数截取子区域图像完成帧间匹配工作；同时为了充分利用帧间的相关性和提高检测算法的性能，将耦合思想融入其中实现了基于图像匹配和耦合的移动背景下目标检测。(4) 为了验证本文所研究的检测算法，将粒子滤波器与其相结合，实现了移动背景下的目标跟踪；为了增强跟踪的鲁棒性，将运动区域直方图与区域特征点结合生成多特征状态向量。为了验证本文所研究的检测算法的有效性，将算法在网络下载的战斗机数据集以及UCSD的landing数据集上进行了测试，其中基于图像匹配和耦合的运动目标检测算法能够更完整提取运动目标区域，实验结果很好的论证了本文所研究的检测算法的可行性和鲁棒性。 关键词

7、：移动背景、SURF、运动向量直方图、耦合、K-Means聚类ABSTRACTTarget detection and tracking is an important part of artificial intelligence. It has been broadly researched and has made a wide range of applications in all aspects of life, such as intelligent video surveillance technology and precision guided weapon. All of

8、 them are based on static camera, motion detection in dynamic video scenes is inherently difficult, as the moving camera induces 2D motion for each pixel, but the cameras are in the state of moving in many applications, so the research of motion detection in dynamic video scenes is of great importan

9、ce.This paper focus on the technology of target detection and tracking, especially for the target in moving background and the target detection algorithms which are base on feature points and image matching and coupling are in-depth studied. And then the target detection algorithms combine with trac

10、king filter, the optimal will be further verified. This paper focus on the following works:(1)Target detection is based on feature points. First, the common feature point is studied, then the optimal feature point is used to extract the feature of the video in dynamic background. And the features ar

11、e classified by K-Means clustering, from that we can obtain the target detection.(2)Through matching the feature points between two frames we can get several pairs of corresponding points, the motion vectors can be obtained through subbing the location of the corresponding points, at last by countin

12、g up the motion vectors we can get the motion vector histogram, in turn we can get the result of the target detection.(3)The matching point between two frames are used to solve the parameters of camera, then the parameters are used to crop the sub-region image which is used to matching search in fol

13、low-up frames. At the same time, in order to improve the performance of detection algorithm, we integrate the thinking of coupling with object detection, at last we can achieve object detection by image matching and coupling.(4)In order to verify several studied detection algorithms, we combine part

14、icle filter with them to achieve the tracking result. At the same time, we can improve the performance of the tracking algorithm by integrate the feature points with state vector. In order to evaluate the validity of our algorithms, them are tested in datasets which are downloaded from internet and

15、the landing dataset of the UCSD laboratory. Among the algorithms, the algorithm of image matching and coupling can get accurate regions of target. And also the promising results on datasets demonstrate the effectiveness and robustness of our methods.Keywords: moving background, SURF, motion vector h

16、istogram, coupling, K-Means clustering 目 录第一章 绪 论 11.1 课题背景及研究意义 11.2 国内外目标检测研究现状 21.2.1 静态背景下的目标检测 31.2.2 移动背景下目标检测方法 41.3 目标跟踪技术研究现状 71.4 本文研究难点 81.5 本文主要内容以及结构安排 81.5.1 本文主要内容 81.5.2 本论文的结构安排 10第二章 移动背景下运动目标跟踪方法 122.1 引言 122.2 基于角点的检测与跟踪 132.2.1几种角点介绍 132.2.2 基于角点的跟踪 152.3 基于尺度不变换特征的跟踪 172.3.1 SIF