基于超像素与特征点的稳健性目标跟踪方法研究

摘要

目标跟踪是计算机视觉的重要组成部分，它已经在很多领域得到了广泛的应用，例如，智能监控、人机交互、智能导航等领域。随着科技的不断进步，目标跟踪的市场需求也在不断急剧增加。由于目标跟踪会受到目标的形变、遮挡以及光照变化等因素的影响，使得目标跟踪仍然是一个具有挑战性的任务。随着研究的深入，很多基于图像区域的目标跟踪方法被提出，这一类方法已经被证明对于目标的形变、遮挡以及光照变化等因素的影响具有鲁棒性。超像素是一种最常用的图像区域，它是一种中层视觉特征。在目标跟踪中，超像素能够保留图像中目标本身的固有特征，它可以为目标跟踪的提供更加稳定可靠的信息。
　　本文研究了基于超像素和特征点的目标追踪方法，以及基于该方法的车辆轨迹检测与分析方法。本文的内容包括:
　　(1)提出一种基于超像素和特征点的目标跟踪方法。该方法采用特征点匹配和光流法追踪获得目标的候选区域，针对候选区域采用超像素方法过分割，并构造该区域的超像素特征描述。超像素的特征描述是由超像素颜色直方图、特征点以及特征点和超像素中心之间的内在结构关系构成。最终目标区域是通过超像素匹配和投票获得。通过实验对比分析，该方法对于目标的形变、遮挡以及光照变化等问题具有鲁棒性。
　　(2)在上述方法的基础上，本文提出一种车辆轨迹检测与分析方法。该方法采用目标检测方法和相似性计算获取一定时间窗口内车辆的进入与离开状态，车辆轨迹是通过本文提出的目标跟踪方法获得。该方法采用在线自主学习方法建立的道路轨迹信息图，道路轨迹信息图用于车辆轨迹分析。通过实验对比分析，该方法能够自适应的应对复杂多变的道路情况。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景及意义

1．2 研究现状

1．2．1 生成模型方法

1．2．2 判别模型方法

1．2．3 基于区域的方法

1．3 主要研究内容及工作

1．4 论文结构安排

第二章 相关技术背景

2．1 超像素概述

2．1．1 超像素评价标准

2．1．2 基于图论的方法

2．1．3 基于梯度下降的方法

2．2 图像特征概述

2．2．1 颜色特征

2．2．2 纹理特征

2．2．3 角点特征

2．2．4 边缘特征

2．3 本章小结

第三章 基于超像素与特征点跟踪方法研究

3．1 超像素特征的描述

3．1．1 常用的超像素特征描述方法

3．1．2 改进的超像素特征描述方法

3．2 关键点追踪

3．3 投票过程

3．4 OTSP-KP目标跟踪方法

3．4．1 特征表示

3．4．2 初始阶段

3．4．2 跟踪阶段

3．4．3 更新阶段

3．5 本章小结

第四章 基于OTSP-KP的车辆轨迹检测方法研究

4．1 车辆轨迹检测概述

4．2．1 车辆检测

4．2．2 车辆特征提取

4．3 车辆轨迹检测与分析方法

4．3．1 道路信息图构建

4．3．2 车辆特征匹配

4．3．3 道路信息图更新

4．3．4 车辆轨迹分析

4．4 本章小结

第五章 实验分析

5．1 目标跟踪评估方法

5．1．1 精度图

5．1．2 成功率图

5．2 OTSP-KP目标跟踪方法实验分析

5．2．1 实验细节与参数

5．2．2 定量分析

5．2．3 定性分析

5．2．4 时间复杂度分析

5．3 车辆轨迹检测实验分析

5．3．1 实验细节与参数

5．3．2 实验分析

5．4 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况