基于低通濾波的高機動性視頻目標跟蹤畢業論文(已修改)

　

【正文】 寧波大學信息學院本科畢業設計（論文）編號： 　　　 本科畢業設計（論文）題目：（中文）基于低通濾波的高機動性視頻目標跟蹤（英文）Enhanced Lowpass Filter Based Vide Predictive Tracking for Target withHigh Mobility摘 要【摘要】在預測目標移動狀態過程中，應用濾波法是常用的技術手段。在眾多預測技術當中，人們常常使用卡爾曼濾波器來跟蹤目標在運動情況下的軌跡。然而，卡爾曼濾 波 仍存在一些缺點：用來預測軌跡時尚缺乏精確度，為了解決這個問題，文中推薦另一種傳統濾波——低通濾波。在文中使用過程中還要考慮目標所在的運動狀態?；谶@種情況，則需要在級數中加入線性項和慣性項算法，這兩種算法分別代表高機性和非高機性兩種狀況。為了證明低通濾波的實用性，在預測中融入卡爾曼濾波共同對目標檢測跟蹤，實驗表明在預測軌跡跟蹤質量中，所建議的低通濾波對預測軌跡具有很好的效果比卡爾曼濾波更加有預測能力，從而證明了它的可行性?！娟P鍵詞】低通濾波；跟蹤質量；卡爾曼濾波；高機動性；預測軌跡Enhanced Lowpass Filter Based Video Predictive Tracking for Target with High Mobility Abstract【ABSTRACT】In the process of predicting the state of the target mobile, application method of filtering is monly used techniques. Among the many forecasting techniques, people often use the Kalman filter to track the trajectory of the target in the movement. However, Kalman filtering still have some disadvantages: lack of precision for predicting the trajectory when the target is moving, in order to solve this problem, another conventional paper filter is remended lowpass filtering. In the process of using the targets in this paper which should also be considered when the target is in the state of motion. Based on this situation, you need to add linear and inertia algorithms in series, these two algorithms represent a high mobility and nonmobility. To prove the utility of the lowpass filtering, Kalman filter has been added into the join of the forecast for target detection and tracking, trajectory tracking experiments is showing that the quality of the prediction, the proposed lowpass filter to predict the trajectory has a better effect than Kalman filtering predictive ability, thus the proving is feasibility. 【KEYWORDS】 Lowpass filter。 Tracking quality。 Kalman filter。 High mobility；Predicted trajectory目 錄摘 要 IIEnhanced Lowpass Filter Based Video Predictive Tracking for Target with High Mobility IIIAbstract III目 錄 IV1 緒論 1 課題的背景 1 課題研究的意義和目的 1 Matlab簡介 2 論文的研究內容 32 高機動性目標識別與跟蹤 4 低通濾波原理 4 低通濾波的算法 4 圖像的處理 6 圖像分析 6 低通濾波的預測跟蹤 73 卡爾曼濾波預測跟蹤 11 卡爾曼濾波的介紹 11 卡爾曼濾波預測原 11 低通濾波與卡爾曼濾波比較 154 結論 18 實驗的流程圖 18 程序運行結果 19 最終分析及結論 20總結與展望 21參考文獻 22致謝 23附錄 24291 緒論 課題的背景在十幾年來,科學技術快速發展中，計算機對數據分析和存儲數據的功能得到很大提升，分析運算成本大幅降低，給視頻對象的跟蹤技術創造了良好條件。因此，一些研究者開始專注于相關視頻跟蹤方面的研究[1]。人們日益認識到視頻跟蹤技術已成為科學技術研究和實際應用中不可缺少的技術之一。在計算機視覺研究中引起眾多研究者的極大興趣技術之一的就是視頻跟蹤技術，由于人們對跟蹤技術不倦的探索，其主要原因在于兩個方面：在一方面計算和存儲成本顯著下降，視頻速率或使所述的視頻圖像序列采集和存儲速率成為可能；在另一方面，視頻跟蹤技術具有非常廣闊的市場前景，這也是研究者對其探索的主要動力[2]。除了在智能視頻監視系統，視頻跟蹤技術還有非常重要的應用，即人與計算機的互相交流[3]物體運動地分析，對運動目標地識別，對不同移動目標地分類，機器人視覺導航，圖像壓縮流量檢測和虛擬現實，并且視頻跟蹤技術在其他方面也有重要的應用；總之，研究目標運動情況并對其預測跟蹤的技術對現實應用發揮了巨大作用[4]文中所用到的濾波器是眾多可以處理信號裝置中之一，濾波器應用范圍十分廣泛，其主要作用在于現代化電子設備以及不同控制系統，濾波器的質量優劣影響著產品的品質[5]。自從1960年以來，隨著技術地發展，設備不斷地更新換代，集成技術大面積的推廣，濾波器的品質有了很大的提升。如今的濾波器向功率損耗少處理數據穩定對計算機內存空間占用率小，產品價格更加低廉等方向發展。到了若干年后，濾波器的性能已經大大地優化，不同應用型的濾波器被廣泛地開發出來，高效率性能的濾波器被人們用于各種產品研發。但是，在技術不斷升級的時代，人們對濾波器的研究還在開發當中。濾波器可分為經典和數字兩大類，文中所研究的濾波器是經典型低通濾波器[6]。 課題研究的意義和目的由于復雜的視頻跟蹤背景圖像對檢測有著很大的影響，造成人們對運動檢測變得十分困難。人們為了更加了解目標對象跟蹤相關知識，使用不同的方法對目標進行跟蹤并提出了一些見解。因此，本文的目的的是利用低通濾波來預測跟蹤目標的運動狀態。低通濾波器可預測跟蹤目標運動狀態非高機性和高機性。當用有效的跟蹤方法通過所述濾波處理控制并重新配置流動性高的移動目標。檢驗給定視頻序列的跟蹤情況，從而達到預測跟蹤的目的[7]。視頻目標跟蹤已用于計算機視頻系統中，并且大量跟蹤算法應用于視頻跟蹤中[8]。兩種最典型的跟蹤算法是有關數據方面的驅動（從基底向上延伸）和有關模型方面驅動（從最高處向下延伸）。前者為典型的均值漂移方法，后者可由卡曼爾濾波來證實，在下一個視頻幀里，準確預測目標移動軌跡是節約尋找目標時間和在搜索窗口內匹配預測目標所不可缺少的一步。然而，以內核數據驅動的跟蹤策略為基礎的如meanshift并不具有預測能