精差分法的日托、榆测, 井通过彤忐学处理、区域分析等滤掉日标图像中的噪声,最后提墩目标的面秘利质心特征完成检测。在运动H标跟踪方面,介绍目前常用的跟踪方法,重点研究基于Kalman 滤波的{}标跟踪方法和塾1-Camshifi算法的目标跟踪方法,应用Kalman滤波怂通过提取目标的质心束实现跟踪,而Camshil=|算法娃种基于日杯的颜色特i_}:实脱跗踪的方法.Camshift算法对存在颜也I扰时跟踪效粜较差,所以本文提出种0『入Kalman 滤波的Camshift跟踪算法,两种算法结合,有效抑制各自算法的小足,提高了掉法的跟踪性能。本文的章节安排如F: 第章:绪论。介细本课题ffJ研究背景gi自tf究意义,目标榆测跟踪领域n0{iJ『究现状以及h要的研究方法和内容,城后给出本文的研究内存和结构安排。第章:运动目标柃测技术。介绍日前广为使用的几种日杯检测方法:光沭法、帧|1】J差分法和背景差分法的原理,本文采用基于高斯混合背景模型的背景若分法实现运动El标的检测.通过闽值分割、阴影处理、形态学分析以及【≤域分析进行处_}f|i,去除其中带有的干扰噪声.蛙后提取出目标的面积和质心特征。第二二乖:基JKalman滤波的运动日标跟踪方法。介绍17时常用的跟踪方法.研究备算法的适用领域,最点研究基于Kalman滤波的运动目标跟踪方法,本文应矸j Kalman滤波建立系统估计模型,实现对运动日枷;的最优估计,爿:通过仿真实验给出实骑结果。第四卓:基r Camshift算法的运动H标跟踪方法。Camshitt算法足种蟮J‘运动¨标颜色特征的跟踪方法,针对Camshifi算法难以解决场景中九面积颜也F扰以及遮挡问题,提出一种引入Kalman滤波的CamshiR跟踪算法,最后通过实验验试t鳟法的有效性。第』上章:总结与展望。对本论文的写作进行概括性总结.并对未来的l。作l讨最进{I展望。
全文预览
