论文摘要：复杂场景下的多目标跟踪方法研究

目标跟踪作为一项跨越多学科的前沿技术，融合了计算机图像处理、现代控制理论、模式识别等不同领域的知识和理论。应用前景。针对传统高斯混合模型易受光线影响，模型收敛速度慢的问题，将改进的混合高斯模型与边缘检测算法相结合，研究并实现了一种改进的目标检测算法；对于传统的MeanShift跟踪算法，它只使用了目标的颜色信息，缺乏对空间信息的使用。本文将改进的Harris角点检测算法和Kalman预测器相结合，研究并实现了改进的MeanShift多目标跟踪算法。本论文的主要贡献如下： 研究实现了一种基于边缘的高斯混合模型目标检测算法。首先通过边缘检测算法得到检测图像的边缘，然后通过改进的高斯混合模型提取前景运动目标。实验表明，与传统的高斯混合模型算法相比，本文提出的算法时间复杂度低，能有效解决光照突变引起的前景扰动和参数更新不足导致的误检等问题。机制。改进的 Harris 角点检测算法。针对传统Harris角点检测算法参数需要随机选取的缺点，本文根据角点检测的本质重新设计角点响应函数，提高角点检测的鲁棒性。该研究实现了一种改进的 MeanShift 多目标跟踪算法。首先，实现了基于Harris角点匹配的卡尔曼滤波多目标跟踪算法。然后，在传统MeanShift算法的基础上，结合Harris角点匹配方法的优点，实现了改进的Me。anShift多目标跟踪算法提高了多目标跟踪的准确性和鲁棒性。在上述研究工作的基础上，设计并实现了一种基于改进的MeanShift多目标跟踪算法的自动检测与实时跟踪原型系统。该系统操作简单，可实现多目标检测、多目标跟踪和系统参数设置等功能，并通过实验证明了系统的有效性。关键词：Canny 边缘检测，高斯混合模型，Harris 角点检测，卡尔曼滤波器，MeanShift

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/283544.html