导读:本文包含了运动目标识别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,干扰噪声,时域分析,梯度分量
运动目标识别论文文献综述
韩晓微,岳高峰,谢英红[1]（2019）在《基于时域和梯度的运动目标识别跟踪算法》一文中研究指出针对视频存在噪声干扰及现有算法实时性较差的问题,提出了一种新型的基于时域和梯度的运动目标识别跟踪算法.考虑时间域上视频的形成,用帧差法将图片中的区域划分为变化区域和运动区域;依照2个区域的幅度变化对识别算法进行设计,为了消除背景干扰,对形成的运动区域进行均值滤波;在时域基础上增加了梯度分量,对运动区域形成梯度化轨迹,实现跟踪算法的完整设计.通过实验验证,本算法能够稳定地跟踪前景运动目标,与TLD和CamShift算法相比,在实时性上有明显提升,在耗时上分别缩减12.6%和22.7%.(本文来源于《沈阳大学学报(自然科学版)》期刊2019年05期）
王淑青,周博文[2]（2019）在《基于改进ViBe算法的运动目标识别方法》一文中研究指出针对ViBe算法存在的伪影及易受复杂环境干扰的缺点,提出一种基于改进ViBe算法的运动目标识别方法。该方法使用20邻域建模来创建背景模型;通过依据模型复杂度的自适应阈值和颜色畸变阈值双重作用来识别背景点;采用基于像素生命周期的更新策略来完善背景模型;对识别后的图像采用噪声斑点丢弃和空洞填充策略来提高识别目标的完整性。实验结果表明,改进后的算法能够在较少帧数内消除目标的伪影,当视频中存在光照变化、阴影以及各种遮挡物等复杂干扰时,该方法对于运动目标识别具有较高的精确度和稳定性。(本文来源于《湖北工业大学学报》期刊2019年04期）
刘杨[3]（2019）在《基于OpenCV的路亚运动目标识别与长度测量研究》一文中研究指出随着路亚运动的不断发展,钓鱼爱好者们需要有一个共同参与的移动端平台,平台主要是通过对鱼尺牌的识别得到鱼身长度,根据对鱼长度大小的比较体验竞技的乐趣。因此,通过鱼尺牌的识别来测量鱼的长度对调节人们的生活品味具有一定的意义。本文通过对iOS系统架构和MVC模式的交互方式进行研究,完成基于iOS移动操作系统项目开发架构的搭建。通过计算机图像识别技术中对图像提取特征点的过程,研究OpenCV中的SURF特征提取算法,实现对路亚运动中鱼尺牌高精度的识别,进而使用鱼尺牌在识别区域中的比例进而计算得到精确的测量效果。同时,在SURF特征算法的基础上,对iOS系统中自定义相机的布设机制和AVFoundation媒体的高层级和低层级框架进行研究,完成创建自定义的鱼尺相机的布设和拍摄实现。最后,通过在iOS项目中对OpenCV的集成,设计并实现高精度的测量系统。实验结果表明,iOS移动端作出的自定义鱼尺相机能够快速准确的识别出鱼尺牌图片,并且测量出的实际鱼长度具有较高的测量精度,误差测量在0.5%左右。因此,在iOS移动端的图像识别中具有相对高的实用价值。(本文来源于《西安石油大学》期刊2019-06-05）
郑茂凯[4]（2019）在《运动目标识别与跟踪方法的研究》一文中研究指出对于运动目标识别与跟踪方法的研究一直以来都是计算机视觉课题研究的热点,广泛应用于视频监控、医疗手术的诊断治疗和智能交通等各方面,所以本课题的研究有着很强的理论意义和实际意义。本文主要是对静态背景下运动目标识别及跟踪方法进行研究,针对复杂背景下目标识别效果不明显以及发生遮挡时跟踪失败的问题,在分析传统的识别、跟踪算法的基础之上加以改进。最终本文取得的研究成果如下:运动目标识别方法的研究。首先对传统的目标识别算法进行分析比较,并根据各自的优缺点,为解决识别效果不明显的问题,在帧差法与背景差分法的基础上提出一种新的改进算法。该算法将融合边缘检测的叁帧差法与基于Surendra算法的背景差分法相结合,在五种不同的环境:简单单一环境下、大尺度及小尺度目标场景下、目标速度很快的场景下、多运动目标环境下和光照环境场景下分别进行实验。结果表明,通过在单一背景和各种复杂背景下进行结果对比,本文提出的新算法能够完整、准确的从图像序列中提取出运动目标,适用于不同的场景,且满足实时性的要求,对环境具有鲁棒性,弥补了帧差法与背景差分法的缺点,可行有效。运动目标跟踪方法的研究。对常用的跟踪技术分类进行了说明,然后重点阐述了Camshift算法的基本原理,并进行实验论证。当目标发生遮挡时会导致跟踪失败,为解决这一问题引入预测器到跟踪过程中,通过预测器对目标在下一帧图像的期望位置进行估计,解决遮挡问题。本文提出一种基于线性预测的方法,将其与Camshift算法相结合,与常见的Kalman+Camshift算法进行实验对比,在叁种不同环境下就跟踪效果、跟踪误差、迭代次数和消耗时间四个方面进行实验比较。结果表示,该方法既能解决遮挡引起的跟踪失败问题,也能满足实时性的要求以及不同环境下跟踪,预测跟踪准确,方法可行有效。通过上述提出的改进算法能够解决目标识别效果不明显以及遮挡导致的跟踪失败问题,新的算法相较于改进前在性能上有很大的提高。(本文来源于《沈阳工业大学》期刊2019-06-03）
邓豪[5]（2019）在《移动机器人平台的运动目标识别与跟踪技术研究》一文中研究指出随着近些年移动机器人在智能服务和智慧城市等各领域的不断发展,其对运动目标的跟随和运动响应也愈发受到关注。随着机器视觉相关技术的持续进步,基于序列图像分析处理获取目标运动状态凭借其成本低、适应性广、部署难度小而广泛应用。但现有识别与跟踪方法尤其是只有第一帧初始信息再无其它先验知识的无模型跟踪方法,存在环境适应性不足、计算量太大、长时间鲁棒性差等特点,使其难以部署于移动机器人平台或良好适应于作业环境。针对以上问题,本文对移动机器人平台的无模型运动目标识别与跟踪技术展开研究。首先,本文对基于特征匹配方法将感兴趣前景目标从序列图像中识别出来进行了研究。对于机器人作业场景图像广泛存在的光照影响设计了自适应Gamma光照均衡方法,采用性能稳定的ORB特征点提取及特征描述方法提取场景图像中的特征点,再通过kNN匹配得到当前帧中目标特征点集。其次,通过金字塔LK光流方法获取序列图像间经成像映射后的目标运动信息,由于光流极易受到环境中的光照干扰,使用了前向-后向误差控制和NCC相似度控制方法对跟踪特征点集进行筛选。再者,为了使系统对应用环境良好适应,保持系统长时间持续鲁棒,并使系统能够在丢失目标之后避免再次手动指向而恢复运行,对基于特征点的检测-跟踪融合框架进行了研究。由于特征匹配和运动表达存在歧义性,本文设计了空间相邻度和特征相似度结合的密度可达条件,并通过密度聚类完成外点筛除。同时对于第一帧中初始信息随着识别与跟踪过程持续进行参考性持续降低容易导致检测结果错误的问题,采用了在序列图像中选取鲁棒关键帧对参考基准进行持续动态更新的方法以适应目标或环境的持续变化。除此之外,还利用目标位置在相邻图像帧之间的相关性,通过当前帧中获得的目标位置及运动状态对后序帧中目标位置进行预测,降低冗余图像信息干扰的同时提升系统实时性。最后,本文搭建了移动机器人图像处理平台,在现实场景进行了适应性测试,并在标准数据集上将本文方法与近年优秀跟踪方法进行了对比实验。(本文来源于《西南科技大学》期刊2019-05-01）
翁静文[6]（2019）在《基于机器学习的运动目标识别与跟踪研究与设计》一文中研究指出基于机器学习的运动目标识别与跟踪是机器视觉和模式识别领域的热门研究内容之一。基于无人机视频的目标识别与跟踪系统作为一种具有预警、防范和主动监测功能的系统,能够有效解决人工处理过程中不及时、误判等实际问题。本文紧扣运动目标识别和跟踪的核心问题,从目标识别、目标跟踪以及识别与跟踪系统设计这叁个方面进行研究。首先,针对目标识别过程中识别精度不高、速率较慢以及存在漏检的问题,研究了一种基于随机森林和支持向量机改进的目标识别算法,该算法针对单一特征影响识别精确度的问题,将颜色特征(Lab)与改进的方向梯度直方图(FHOG)特征融合,再根据随机森林得出目标感兴趣区域中心,然后通过LIBLINEAR分类器在感兴趣区域进行识别。实验结果表明,本文的识别器在行人识别中比传统支持向量机召回率提高了9.35%,漏检率降低了0.68%,速率达到2.70帧/秒。其次,为提高融合了梯度直方图特征和颜色特征的相关滤波算法(ECO-HC)的跟踪性能,研究了一种基于特征融合和自适应学习率改进的相关滤波算法。该算法依据梯度直方图特征和颜色特征各自的特性以及其对无人机行人跟踪性能的影响程度确定特征融合权重,同时采用自适应学习速率方法,使跟踪器能够自适应应对复杂的目标运动的问题。实验结果表明,本文的改进算法在平均距离精度和重迭率上比ECO-HC分别高出3.3%和2.6%,跟踪速度达到51.8帧/秒。最后,本文设计了一套目标识别与跟踪系统,利用识别器识别出首帧图像中的目标,使其作为跟踪器的输入进行后续跟踪,针对在跟踪过程中可能会出现新进入目标的情况,该系统采用间隔帧启动识别器的方法,通过数据关联算法进行多目标并行跟踪,同时利用卡尔曼滤波算法进行辅助监督跟踪,以此确保跟踪精度。通过自建无人机视频集对本系统进行实验验证,结果显示该系统具有稳健的性能和实时性。(本文来源于《西南科技大学》期刊2019-05-01）
石泽琼,毛俊强,李双伟,徐丽蕊,董言治[7]（2019）在《基于OpenCV的运动目标识别跟踪》一文中研究指出实时目标检测与跟踪系统是近年来计算机视觉与模式识别领域的研究热点之一。本文主要是在Visual Studio2012平台下,使用计算机视觉库OpenCV对运动图像进行形态学图像预处理,以及调用CamShift算法对实时运动目标进行识别跟踪。该算法首先计算目标是HSV空间下的HUE分量直方图,通过直方图反向投影得到目标像素的概率分布,再调用CV库中的CamShift算法,自动跟踪并调整目标窗口的中心位置与大小。实验结果表明,该算法性能良好,能够有效地进行实时目标追踪。(本文来源于《中国集成电路》期刊2019年04期）
潘福山[8]（2019）在《基于Pipeline算法的运动目标识别》一文中研究指出本文给出了一个新的管道检测算法。这个算法可以从具有高噪声图像序列中检测和跟踪单象素运动目标。它利用了运动目标轨迹的平滑性、时间连续性等特点,在序列图像中,沿着观测窗口进行目标能量的累加;然后通过计算形心得到目标的位置信息,能够检测信噪比(snr<=2)的弱目标,是高噪音环境下检测和跟踪具有任意轨迹的运动小目标的理想方法。(本文来源于《中国新通信》期刊2019年04期）
孟庆鑫,孟庆磊,闫帅[9]（2019）在《基于时空信息的运动目标识别算法》一文中研究指出现实场景中人们感兴趣的目标或事件往往与场景中正在移动的物体有关,使得运动目标检测往往成为许多应用中进行信息提取的关键步骤和富有挑战的问题。首先利用单应性变换作为背景运动模型,利用上一帧得到的前景掩码图限制背景运动的估算区域,提取更纯净的背景运动;其次使用具有可变学习速率的双模单高斯模型,获得不被污染的背景模型,融合运动目标的时空信息,生成前景概率图并预测下一帧的检测区域;后依据前景概率图构造自适应的前景自适应判决阈值,进行运动目标检测,并利用核密度估计进一步优化检测结果。实验结果表明,算法可以适用光照变化、复杂运动等场景,具有较低的计算复杂度,查准率、召回率和F值等指标平均提升0.52%、33.37%、20.14%。(本文来源于《电子测量与仪器学报》期刊2019年02期）
周广宏,曹小兵[10]（2018）在《基于时空关键点和运动模板相结合的船舶目标识别》一文中研究指出随着信息技术及图像处理技术的发展,基于模式识别及时空关键点的动作特征抓捕技术成为现代船舶目标识别的研究热点,其能对快速移动的海上目标进行准确识别。相对于传统的红外线﹑视频捕捉等识别方法,时空关键点动作特征捕捉与运动模板经验库相结合,实时对特征向量矩阵进行训练分类,进一步提高了海上目标识别的准确性。(本文来源于《舰船科学技术》期刊2018年24期）
运动目标识别论文开题报告
（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ViBe算法存在的伪影及易受复杂环境干扰的缺点,提出一种基于改进ViBe算法的运动目标识别方法。该方法使用20邻域建模来创建背景模型;通过依据模型复杂度的自适应阈值和颜色畸变阈值双重作用来识别背景点;采用基于像素生命周期的更新策略来完善背景模型;对识别后的图像采用噪声斑点丢弃和空洞填充策略来提高识别目标的完整性。实验结果表明,改进后的算法能够在较少帧数内消除目标的伪影,当视频中存在光照变化、阴影以及各种遮挡物等复杂干扰时,该方法对于运动目标识别具有较高的精确度和稳定性。
（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。
运动目标识别论文参考文献
[1].韩晓微,岳高峰,谢英红.基于时域和梯度的运动目标识别跟踪算法[J].沈阳大学学报(自然科学版).2019
[2].王淑青,周博文.基于改进ViBe算法的运动目标识别方法[J].湖北工业大学学报.2019
[3].刘杨.基于OpenCV的路亚运动目标识别与长度测量研究[D].西安石油大学.2019
[4].郑茂凯.运动目标识别与跟踪方法的研究[D].沈阳工业大学.2019
[5].邓豪.移动机器人平台的运动目标识别与跟踪技术研究[D].西南科技大学.2019
[6].翁静文.基于机器学习的运动目标识别与跟踪研究与设计[D].西南科技大学.2019
[7].石泽琼,毛俊强,李双伟,徐丽蕊,董言治.基于OpenCV的运动目标识别跟踪[J].中国集成电路.2019
[8].潘福山.基于Pipeline算法的运动目标识别[J].中国新通信.2019
[9].孟庆鑫,孟庆磊,闫帅.基于时空信息的运动目标识别算法[J].电子测量与仪器学报.2019
[10].周广宏,曹小兵.基于时空关键点和运动模板相结合的船舶目标识别[J].舰船科学技术.2018