导读:本文包含了星跟踪识别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:Camshift算法,OpenCV,人脸跟踪,人脸识别
星跟踪识别算法论文文献综述
王华,李健,丁县迎[1]（2019）在《基于Camshift算法的人脸跟踪识别系统的设计》一文中研究指出随着网络技术和视频技术的发展,图像捕捉设备成为计算机的标准外设,人脸跟踪已经不仅局限于人脸识别领域,被广泛应用于视屏会议等各个方面。基于此,笔者首先介绍了人脸跟踪的方法,并着重描述了Camshift算法的原理与优势,然后在VS2017平台上设计开发了一个基于Camshift算法的人脸检测与跟踪系统。实验表明该系统的实时性、鲁棒性良好,对于多姿态人脸、特定目标跟踪等特殊情况都具有良好的检测效果。(本文来源于《信息与电脑(理论版)》期刊2019年20期）
刘博,王胜正,赵建森,李明峰[2]（2019）在《基于Darknet网络和YOLOv3算法的船舶跟踪识别》一文中研究指出针对我国沿海与内陆水域区域视频监控处理存在实际利用率低、误差率大、无识别能力、需人工参与等问题,提出基于Darknet网络模型结合YOLOv3算法的船舶跟踪识别方法实现船舶的跟踪并实时检测识别船舶类型,解决了重要监测水域船舶跟踪与识别问题。该方法提出的Darknet网络引入了残差网络的思想,采用跨层跳跃连接方式以增加网络深度,构建船舶深度特征矩阵提取高级船舶特征进行组合学习,得到船舶特征图。在此基础上,引入YOLOv3算法实现基于图像的全局信息进行目标预测,将目标区域预测和目标类别预测整合于单个神经网络模型中。加入惩罚机制来提高帧序列间的船舶特征差异。通过逻辑回归层作二分类预测,实现在准确率较高的情况下快速进行目标跟踪与识别。实验结果表明,提出的算法在30 frame/s的情况下,平均识别精度达到89.5%,与传统以及深度学习算法相比,不仅具有更好的实时性、准确性,对各种环境变化具有较好的鲁棒性,而且可以识别多种船舶的类型及其重要部位。(本文来源于《计算机应用》期刊2019年06期）
秦润泽,聂倩倩[3]（2018）在《基于CamShift改进算法的人脸跟踪识别系统》一文中研究指出传统的人脸检测速度更多地关注检测精度,而跟踪算法多关注跟踪过程,本文综合这两种算法优点,提出改进算法实现人脸识别与跟踪。论文采用haar特征的Ada Boost算法检测面部,Eigenfaces算法实现人脸识别;视频序列中,识别的人脸作为跟踪算法的输入并实时更新;CamShift算法可以实时地跟踪人脸。实验结果显示,改进算法识别精度得到有效提高,且能达到实时跟踪的效果;人脸轮廓特征与肤色特征提高系统的鲁棒性。(本文来源于《山西电子技术》期刊2018年03期）
陈鹏光[4]（2016）在《基于稀疏模型的运动跟踪识别算法》一文中研究指出运动跟踪识别,是计算机视觉的基础和关键技术以及数字图像处理的重要分支。它为用户提供查看和检索的运动信息,为目标特征提取、识别分类提供基础,其结果直接影响行为理解、语义描述以及推理决策等后继的高层次处理。目前这些技术已在军事科学、生物医学科学、信息科学和气象学等领域的科研和工程实践中发挥着极大的作用。本论文研究了运动跟踪识别中光流和遮挡的计算检测、运动目标的跟踪、动作识别的叁个具体问题。这叁个具体问题是计算机视觉领域中研究内容的重要组成部分,为智能化分析提供重要依据。然而,由于运动状态的复杂性以及人类对视觉系统感知运动的机理认识不足,运动跟踪识别仍然是一个富有挑战性难题。稀疏表示的特征是具有稳定的重构能力和充分的维度减少能力。它能够有效的表示图像/视频数据中本质的、有意义的关键内容,抑制噪声和遮挡的影响。基于稀疏表示的最小化,能有效的提高运算的效率和鲁棒性。目前,基于稀疏表示模型的方法引起了广泛的关注。本论文内容包括四个方面:基于稀疏模型实现光流和遮挡的计算检测;发展一个鲁棒稀疏模型;发展一个稀疏模型用于运动目标的跟踪;基于稀疏模型实现动作识别。(1)在遮挡区域中,有意义信息过少往往导致运动物体出现模糊属性。为此,本文组合了时空域与变换域中的稀疏特征表示遮挡,采用Stein-Weiss解析函数作为变分模型正则化函数和稀疏模型变换函数,从而建立一个统一的没有经由稀疏转换的稀疏模型和伴随有稀疏转换的稀疏模型的光流框架。对于伴随有稀疏转换的稀疏模型的字典学习,通过没有经由稀疏转换的稀疏模型直接生成一个全局的字典,从而将该全局的字典生成对应层迭块的小块字典。在Middlebury和Sintel评估数据库中,对比目前一些流行的检测光流与遮挡的算法,本文的算法具有优越的表现效果。(2)为了有效地从多个任务中选择共享的稀疏特征,本文提出了一个鲁棒的多任务学习模型。在损失函数方面,非平滑函数的调节设置抑制了每个任务噪音的影响。在正则化条件方面,非凸性质的正则化条件能够良好地逼近原始的0型正则化条件,且凸性质的正则化条件往往允许有一个全局的最优解。本文使用了凸性质和非凸性质的条件正则化加权矩阵,进行有效的平衡和杠杆;同时发展了一个有效的优化方法解决非平滑非凸的最小化问题。在合成的数据与评估数据集的实验中,对比目前一些流行的多任务特征学习算法,本文的算法具有优越的表现效果。(3)为了有效地在目标跟踪中应用多任务共享稀疏特征,本文提出了一个具有调节和识别能力的多任务稀疏特征模型。在损失函数方面,非平滑函数的设置调节了每个任务的噪音水平。在正则化条件方面,加权矩阵分离为两个特定的结构,探索相关任务的共享稀疏特征以及识别不相关的任务;同时发展了一个有效的优化方法解决非平滑非凸的最小化问题。在公开可用的视频序列数据库中,对比目前一些流行的目标跟踪算法,本文的算法具有优越的表现效果。(4)本文还应用了lasso稀疏模型,将动作识别作为基于最大平均相关高度滤波的最小化问题,建立了一个简单动作识别算法。评估数据集的实验表明了,本文提出的算法具有良好的表现。(本文来源于《华南理工大学》期刊2016-09-18）
吴昀蓁[5]（2013）在《基于流形学习的手势跟踪识别算法研究与实现》一文中研究指出在科学技术相当成熟的今天,人机交互已经慢慢被人们所熟知,并逐渐成为日常生活中不可忽视的一部分。基于人手的动作识别与跟踪具有自然、直观、不需要中间媒介等特点,近年来手势识别与跟踪一直是人机交互领域的研究热点。本文在研究计算机视觉、目标识别与跟踪等知识以及基于流形学习的分类与降维算法的基础上,提出了基于单目摄像头的实时人手姿态重建的方法,并设计实验验证了该方法是可行的、高效的。首先本文提出了一种基于肤色和ODOP (Oriented Dops)包围盒的多目标跟踪算法,该算法不仅能同时完成对多个手势的跟踪,还能在长期遮挡、相互交叉等情况下准确地完成跟踪和标记。其次本文提出了基于流形学习的高效手势识别重建算法,它采用局部保留投影(LPP)算法进行流形学习,能够很健壮地识别和恢复很多手势的姿态和视点。首先,选择一些基本动作姿态来构建训练库,训练库中的图片为基本动作姿态的叁维模型在任意视角下投影得到,并且为训练库构建二维轮廓图到叁维骨骼关节角度的映射表,然后采用基于LPP的流形学习算法计算出训练库对应的低维映射空间。为了能在计算出的低维映射空间上更好地进行分类和估计,本文提出了流形空间定位算法(MSPA),该算法能够有效地找出某个姿态所属的流形,并且能很好地识别出姿态并完成叁维重建工作。测试实验表明：本文提出的算法在单目视觉下手势姿态重建上有着良好的准确性、实时性和鲁棒性。(本文来源于《大连理工大学》期刊2013-03-20）
牛芗洁,黄永春[6]（2010）在《微弱运动目标的检测与跟踪识别算法研究》一文中研究指出在运动目标检测问题的研究中,针对图像处理中微弱运动目标检测与跟踪识别技术的特点,在简单分析了微弱运动目标检测跟踪的技术难点的基础上,重点对微弱运动目标的检测与跟踪算法展开了研究,为了对弱信号提高检测精度,采用图像预处理、目标特征的选取和目标跟踪叁个步骤设计,对微弱运动目标在强噪声背景下的图像检测与跟踪识别算法,用给出具体的改进算法,通过仿真测试结果表明,算法具有较好的目标识别与检测效果,对于进一步提高微弱运行目标的图像检测的研究水平具有一定的借鉴意义。(本文来源于《计算机仿真》期刊2010年04期）
江艳霞[7]（2007）在《视频人脸跟踪识别算法研究》一文中研究指出视频人脸的跟踪识别是计算机视觉领域的一个核心问题,该技术近年来越来越受到研究人员的广泛关注,这主要是因为视频人脸的跟踪识别有着广泛的应用前景,比如视频会议、人机交互、司法鉴定,视频监控,以及门禁控制等等。视频人脸跟踪识别的研究目的是模拟人类视觉运动感知功能,赋予机器辨识序列图像中运动人脸的能力,为视频分析和理解提供重要的数据依据。视频人脸的跟踪识别往往由于背景和人脸的各种变化而变得非常困难。尽管人们对视频人脸的跟踪识别进行了比较广泛的研究,并提出了一些有效的跟踪识别方法,但是针对视频序列中人脸的各种变化,如光照、表情、姿态变化以及发生部分遮挡等,开发出一套鲁棒的跟踪识别算法仍存在较多困难。视频人脸的跟踪识别系统主要包括人脸的跟踪和识别两个方面,跟踪和识别是相辅相成的过程。论文针对如何有效地提高视频跟踪识别的鲁棒性和精确性问题进行了重点研究。在训练数据为有限的静态图像,测试数据为视频序列的情况下,重点研究了如何使跟踪和识别采用相同的模型,在跟踪和识别同时进行表面模型的更新,采用粒子滤波将二者有机地结合成一个整体,同时完成跟踪和识别;在训练数据和测试数据都为视频序列时,重点研究了如何通过鲁棒的特征提取方法有效地提高人脸在表情、姿态、光照发生变化情况下的识别精度,同时在跟踪识别过程中还使二者采用相同的表面模型,提高跟踪和识别的性能。本文的主要研究成果如下:1.针对训练数据为有限的静态图像,测试数据为视频序列的情况,提出了基于自适应特征子空间的视频人脸跟踪识别方法。该方法将身份变量与运动变量一起形成状态变量,采用粒子滤波方法同时完成跟踪和识别。在测试过程中,采用子空间更新算法自适应地更新被识别人脸的特征子空间,提高跟踪和识别性能。2.针对识别过程中噪声的影响,提出了基于鲁棒统计技术和路径相似度测量的鲁棒局部保留映射方法。传统的局部保留映射方法没有考虑噪声和异常观测点的影响,本文提出的鲁棒局部保留映射方法则考虑了它们的影响。该方法首先建立一个全连接图,图中的每一节点对应一个训练数据,求出全连接图中任意两个节点的相似性;然后采用鲁棒统计技术估计出每个节点的权重,权重越小,该节点为噪声或异常观测点的可能性就越大;再利用路径相似度的思想,结合节点的权重,求出任意两个节点的相似度,组成相似矩阵,相似矩阵中的值能够真实地反映在噪声和异常观测点存在的情况下节点的相似性;最后将得到的相似矩阵用于局部保留映射方法中,求出投影矩阵,进行人脸识别。该方法能够提高识别的精度。3.根据训练数据的类信息有助于提高识别结果的思想,提出了有监督的鲁棒局部保留映射方法。该方法首先利用鲁棒统计技术和路径相似度测量的思想,得出任意两个节点的相似度;然后,根据训练数据的类信息,调整节点的相似度,得到相似矩阵,该相似矩阵综合了节点的几何相似性和类信息;最后将得到的相似矩阵用于局部保留映射方法中,求出投影矩阵,进行人脸识别。试验结果表明,该方法能够有效地提高识别精度。4.针对视频人脸识别过程中人脸的各种表情、姿态等变化对识别性能的影响,提出了基于鲁棒局部保留映射的视频人脸跟踪识别方法。该方法首先采用局部线性镶嵌技术将每一对象的训练视频图像投影到低维空间中,在低维空间中采用均值聚类,将人脸图像分成一些基于不同姿态或表情的类,同时学习对象的动态特性;然后,在每一组图像集合中,采用鲁棒局部保留映射方法,求出线性特征空间来近似非线性的子流形;最后,在测试过程中使跟踪和识别采用相同的外表模型,并将前一帧识别出的对象的外表模型用于跟踪似然函数的求取,利用粒子滤波算法进行人脸的跟踪,同时采用贝叶斯推论完成识别。以国家科技攻关计划-世博科技专项为应用背景,基于现有的以及本文提出的人脸跟踪识别方法,开发了一套人脸跟踪识别软件,进行技术演示和开发论证。(本文来源于《上海交通大学》期刊2007-09-01）
崔天祥,黄向东,谭久彬,孙兵,黄鸿斌[8]（2003）在《锅炉火焰动态跟踪识别算法的研究》一文中研究指出采用动态跟踪火焰焰芯算法和改进的一维灰度直方图算法用于燃烧控制 ,很好地解决了实时监测锅炉火焰的燃烧状态和品质问题 .10 0 0幅典型图像的仿真结果 ,同目测判别结果比较 ,此方法识别率优于 99.8% .(本文来源于《红外与毫米波学报》期刊2003年03期）
韩其睿,钟智丽[9]（1993）在《工程图形的惯性跟踪识别算法》一文中研究指出本文讨论了扫描输入工程图形的矢量化问题,提出了一种将二值点阵图形转化为矢量图形的算法,并给出了相应的语言程序。(本文来源于《天津纺织工学院学报》期刊1993年Z2期）
王建华[10]（1993）在《工程图形的自动跟踪识别算法》一文中研究指出就工程图形扫描输入及模式识别的关键问题之一——矢量化处理问题作了探讨,提出了一种将二值点阵图形转换为矢量图形的自动跟踪识别算法。(本文来源于《唐山工程技术学院学报》期刊1993年03期）
星跟踪识别算法论文开题报告
（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：
针对我国沿海与内陆水域区域视频监控处理存在实际利用率低、误差率大、无识别能力、需人工参与等问题,提出基于Darknet网络模型结合YOLOv3算法的船舶跟踪识别方法实现船舶的跟踪并实时检测识别船舶类型,解决了重要监测水域船舶跟踪与识别问题。该方法提出的Darknet网络引入了残差网络的思想,采用跨层跳跃连接方式以增加网络深度,构建船舶深度特征矩阵提取高级船舶特征进行组合学习,得到船舶特征图。在此基础上,引入YOLOv3算法实现基于图像的全局信息进行目标预测,将目标区域预测和目标类别预测整合于单个神经网络模型中。加入惩罚机制来提高帧序列间的船舶特征差异。通过逻辑回归层作二分类预测,实现在准确率较高的情况下快速进行目标跟踪与识别。实验结果表明,提出的算法在30 frame/s的情况下,平均识别精度达到89.5%,与传统以及深度学习算法相比,不仅具有更好的实时性、准确性,对各种环境变化具有较好的鲁棒性,而且可以识别多种船舶的类型及其重要部位。
（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。
星跟踪识别算法论文参考文献
[1].王华,李健,丁县迎.基于Camshift算法的人脸跟踪识别系统的设计[J].信息与电脑(理论版).2019
[2].刘博,王胜正,赵建森,李明峰.基于Darknet网络和YOLOv3算法的船舶跟踪识别[J].计算机应用.2019
[3].秦润泽,聂倩倩.基于CamShift改进算法的人脸跟踪识别系统[J].山西电子技术.2018
[4].陈鹏光.基于稀疏模型的运动跟踪识别算法[D].华南理工大学.2016
[5].吴昀蓁.基于流形学习的手势跟踪识别算法研究与实现[D].大连理工大学.2013
[6].牛芗洁,黄永春.微弱运动目标的检测与跟踪识别算法研究[J].计算机仿真.2010
[7].江艳霞.视频人脸跟踪识别算法研究[D].上海交通大学.2007
[8].崔天祥,黄向东,谭久彬,孙兵,黄鸿斌.锅炉火焰动态跟踪识别算法的研究[J].红外与毫米波学报.2003
[9].韩其睿,钟智丽.工程图形的惯性跟踪识别算法[J].天津纺织工学院学报.1993
[10].王建华.工程图形的自动跟踪识别算法[J].唐山工程技术学院学报.1993
标签：camshift算法; OpenCV; 人脸跟踪; 人脸识别;