基于可移动拍摄大场景下的人体运动跟踪关键技术的研究与应用
APPLICATION AND RESEARCH ONHUMAN MOTION TRACKING IN LARGESCENE BY USING A PANNING CAMERA
摘 要
Abstract
目 录
Contents
第 1 章 绪论
1.1 课题背景及意义
1.2 图像配准概述
1.2.1 图像配准的应用
1.2.2 图像配准的一般步骤
1.3 基于视觉的目标跟踪技术的综述
1.3.1 视觉跟踪的定义
1.3.2 目标的表示
1.3.3 跟踪时的特征选择
1.3.4 目标检测
1.3.5 目标跟踪算法
1.4 体育领域里的相关应用
1.4.1 商业软件
1.4.2 在许多体育领域里的探索性研究
1.5 本文主要研究内容及其组织
第 2 章 大场景旋转拍摄下人体运动跟踪的问题驱动
2.1 引言
2.2 拍摄方案选择
2.3 在大场景使用单摄像机进行旋转拍摄下的人体运动跟踪的应用算法框架
2.4 大场景下人体运动跟踪存在的难点
2.5 本章小结
第 3 章 大场景下的自动配准算法
3.1 引言
3.2 2D 射影变换
3.3 透镜畸变
3.3.1 径向畸变
3.3.2 径向畸变校正
3.4 自动计算两视角下的 Homography
3.4.1 计算 Homography的推导
3.4.2 随机抽样一致性算法RANSAC
3.4.3 用RANSAC算法自动计算两幅图像之间的Homography
3.5 特征点的选择
3.5.1 Harris角点检测器
3.5.2 KLT 特征点
3.5.3 SIFT特征
3.6 长图像序列的配准方法
3.7 实验结果及分析
3.7.1 不同特征点的比较
3.7.2 自动配准的结果
3.7.3 每一帧与其参考帧的对应关系
3.7.4 如何减小累积误差
3.8 本章小结
第 4 章 基于UKF的人体运动的自动跟踪算法
4.1 引言
4.2 跟踪作为一个概率推理问题
4.3 卡尔曼滤波器
4.4 粒子滤波器
4.4.1 粒子滤波器算法
4.4.2 粒子滤波器存在的问题
4.5 Unscented卡尔曼滤波
4.5.1 一般的非线性状态空间模型
4.5.2 尺度UT变换
4.6 描述运动员的层次模型
4.7 颜色直方图匹配方法
4.7.1 颜色空间的选择
4.7.2 创建新的基于核的颜色直方图
4.7.3 直方图匹配技术
4.7.4 新颜色核直方图的优势
4.8 本文提出的基于UKF的跟踪算法
4.8.1 实际应用中的非线性状态空间模型
4.8.2 结合层次模型和UKF的目标跟踪算法
4.9 实验结果及分析
4.9.1 与Mean Shift和CAMShift算法的跟踪结果比较
4.9.2 与基于颜色粒子滤波器PF算法的跟踪结果比较
4.9.3 使用本文提出的算法解决遮挡问题
4.10 本章小结
第 5 章 实际跟踪结果与单应矩阵之间关系的分析与评测
5.1 引言
5.2 单应矩阵Ht-1,t的精确度与跟踪结果之间的关系分析
5.3 单应矩阵Hi,rink的精确度与实际跟踪结果的精确度之间的关系分析
5.4 本章小结
第 6 章 短道速滑滑行数据测量系统
6.1 引言
6.2 测量子系统的输出结果
6.3 分析子系统
6.4 本章小结
结 论
参考文献
附录 A 最小二乘法求解齐次方程
附录 B RANSAC算法迭代次数的推导
附录 C 卡尔曼滤波的相关推导
附录 D n维超球体体积
攻读博士学位期间发表的学术论文
哈尔滨工业大学博士学位论文原创性声明
哈尔滨工业大学博士学位论文使用授权书
致 谢
个人简历
哈尔滨工业大学;