OPenCV视频跟踪系统设计方案.docx
- 文档编号:64298
- 上传时间:2022-10-01
- 格式:DOCX
- 页数:10
- 大小:18.23KB
OPenCV视频跟踪系统设计方案.docx
《OPenCV视频跟踪系统设计方案.docx》由会员分享,可在线阅读,更多相关《OPenCV视频跟踪系统设计方案.docx(10页珍藏版)》请在冰豆网上搜索。
个人收集整理
勿做商业用途
封 面
作者:
PanHongliang
仅供个人学习
基于OpenCV的视频跟踪系统设计开题报告
一、课题背景及研究意义
目标跟踪是计算机视觉的一个重要分支,日益广泛应用于科学技术,国防安全,航空,医药卫生以及国民经济等领域。
实现目标跟踪的关键在于完整的分割目标,合理地提取特征和准确的识别目标。
同时要考虑到算法实现的时间,以保证实时性。
当视频图像中被跟踪的目标发生姿态变化,存在旋转或部分遮挡的时候,简单的灰度模板或者Hausdorff距离匹配一般很难达到实时跟踪的目标的要求,出现匹配失误或者跟踪丢失的情况,而且跟踪效率低。
正因如此,对运动目标的跟踪的研究很有意义。
二、国内外研究现状和发展综述
运动目标跟踪在国外取得了一定的研究成果,许多相关技术已经在国外应用到实际中,但是在国内还是相对落后。
传统的视频跟踪目标提取大致分为两类,一类是以空间同性为准则,先用形态学滤波器或者其他滤波器对图像多预处理;然后再对该图像的亮度,色度和其他信息做空间上的分割以对区域做边缘检测,但是此类方法运算量较大。
另一类算法主要是以时间变化检测作为准则,这类算法主要通过帧差检测图像上的变化区域和不变区域,将运动物体与静态背景进行分割。
此类方法运算量小,但是提取结果不如前者。
三、课题目标
设计出一个基于OpenCV的实时视频跟踪系统
四、开发环境
WindowsXp系统、Vc++6.0编译器、OpenCV1.0开源计算机视觉库
五、开发人员
电子与通信工程:
王龙电子与通信工程:
陆宗
六、预备知识
掌握数字图像处理和计算机视觉相关理论知识精通C,C++编程语言
熟悉Opencv计算机开源视觉库精通MFC界面设计
1.OpenCV简介
OpenCV是OpenSourceComputerVisionLibrary的全称m是由Intel在
1999年出资建立,现在由WillowGarage提供支持。
它是一个由一系列C函数和少量的C++类构成的基于开源发行的跨平台计算机视觉库。
OpenCV不仅实现了图像处理和计算机视觉方面的很多通用算法,提供了Python、Ruby、Matlab等语言的接口,而且还拥有了包括300多个C/C++函数的跨平台的中高层API。
除此之外,OpenCV不依赖于其它的外部库,但是可以使用某些外部库。
与目前计算机视觉软件存在的代码慢、不稳定、与其它库不兼容、耗费高、依赖硬件的问题相比,OpenCV以实际应用为目的,通过优化的C代码提高执行速度,而且通过购买高性能多媒体库得到更快的处理速度,并且对硬件的独立性较强。
目前,OpenCV主要应用在人脸识别、物体识别、动作识别、人体识别、图像分割、人机互动、运动跟踪等领域。
2.MFC简介
MFC是一个大型的基础类库,它所包含的C++类涵盖了应用程序设计的方方面面。
它将大量的WindowsAPI函数封装起来,建立了一些更友好的与用户交互
函数,在很大程度上屏蔽了Windows应用程序设计的复杂性。
MFC的文档视图结构更是将数据处理与数据显示完美地区分开来,使得用户在程序设计时思路更加清晰,也使程序的结构更加明了易懂。
VisualC++是一种支持MFC应用程序设计的、较好的工具,作为一种基础开发环境,它提供了MFC应用程序向导,以帮助用户建立应用程序的基本框架。
用户只需要在框架的基础上加入自己特定的代码即可实现预定功能.
七、常见视频跟踪算法介绍与分析
1.基于对比度分析的方法
1.1算法思想:
利用目标与背景在对比度上的差异来提取、识别和跟踪目标。
1.2分类:
边缘跟踪,型心跟踪,质心跟踪。
1.3优缺点:
不适合复杂背景中的目标跟踪,但在空中背景下目标跟踪非常有效。
2.基于特征匹配的目标跟踪算法
2.1算法思想:
该需要提取目标的特征,并在每一帧中寻找该特征。
寻找的过程就是特征匹配过程。
2.2目标跟踪中用到的特征主要有几何形状、子空间特征、外形轮廓和特征点等。
其中,特征点是匹配算法中常用的特征。
2.3优缺点:
特征点一般是稀疏的,携带的信息较少,可以通过集成前几帧的信息进行补偿。
目标在运动过程中,其特征(如姿态、几何形状、灰度或颜色分布等)也随之变化。
目标特征的变化具有随机性,这种随机变化可以采用统计数学的方法来描述。
直方图是图像处理中天然的统计量,因此彩色和边缘方向直方图在跟踪算法中被广泛采用。
3.基于运动检测的目标跟踪算法
3.1基本思想:
通过检测序列图像中目标和背景的不同运动来发现目标区域,实现跟踪。
3.2光流法:
光流算法是基于运动检测的目标跟踪的代表性算法。
光流是空间运动物体在成像面上的像素运动的瞬时速度,光流矢量是图像平面坐标点上的灰度
瞬时变化率。
光流的计算利用图像序列中的像素灰度分布的时域变化和相关性来确定各自像素位置的运动,研究图像灰度在时间上的变化与景象中物体结构及其运动的关系。
将二维速度场与灰度相联系,引入光流约束方程,得到光流计算的基本算法。
3.3优缺点:
光流场的方法能够很好的用于二维运动估计,它也可以同时给出全局点的运动估计,但其本身还存在着一些问题:
需要多次迭代,运算速度慢,不利于实时应用。
4.核方法
4.1算法思想:
对相似度概率密度函数或后验概率密度函数采用直接连续估计。
4.2Meanshift:
均值偏移法。
采用彩色直方图作为匹配特征。
MeanShift跟踪算法反复不断地把数据点朝向MeanShift矢量方向进行移动,最终收敛到某个概率密度函数的极值点。
在MeanShift跟踪算法中,相似度函数用于刻画目标模板和候选区域所对应的两个核函数直方图的相似性,采用的是Bhattacharyya系数。
因此,这种方法将跟踪问题转化为MeanShift模式匹配问题。
核函数是MeanShift算法的核心,可以通过尺度空间差的局部最大化来选择核尺度,若采用高斯差分计算尺度空间差,则得到高斯差分MeanShift算法。
4.3优缺点:
MeanShift算法假设特征直方图足够确定目标的位置,并且足够稳健,对其他运动不敏感。
该方法可以避免目标形状、外观或运动的复杂建模,建立相似度的统计测量和连续优化之间的联系。
但是,MeanShift算法不能用于旋转和尺度运动的估计。
为克服以上问题,人们提出了许多改进算法。
八算法的确定
基于以上分析,我们选择以核心方法 meanshift为基础的改进算法
camshift称为连续自适应的MeanShift算法,CamShift算法的全称是
"ContinuouslyAdaptiveMean-SHIFT",它的基本思想是视频图像的所有帧作
MeanShift运算,并将上一帧的结果(即SearchWindow的中心和大小)作为下一帧MeanShift算法的SearchWindow的初始值,如此迭代下去。
Camshift是由Meanshift推导而来Meanshift主要是用在单张影像上,
但是独立一张影像分析对追踪而言并无意义,Camshift就是利用MeanShift的方法,对影像串列进行分析。
(1)首先在影像串列中选择ㄧ区域。
(2)计算此区域的颜色2D机率分布。
(3)用MeanShift演算法来收敛欲追踪的区域。
(4)集中收敛的区域,并标示之。
(5)每个frame重复(3)(4)。
Camshift关键就在于当目标的大小发生改变的时候,此算法可以自适应调整目标区域继续跟踪。
九、开发难点
1.相关算法(camshift)以及数学知识的理解和分析。
2.编程语言C++基础薄弱,未触过MFC程序界面设计。
程序的设计,MFC界面设计需要大量精力。
3.OpenCV开源计算机视觉库的熟悉。
十、进度安排
1——4周,搜集图像处理和计算机视觉相关知识,分析研究,确定课题,查找相关资料,制定可行性报告。
5——6周,参加可行性评审,虚心听取老师指导意见,并结合老师建议进行相关方面的完善。
7——8周,熟悉OpenCV开源计算机视觉库。
9——13周,参加成果实施阶段评审,认真学习C++编程语言。
14——16周,学习MFC界面设计。
17——18周,成果答辩。
十一、参考文献
1.邵文坤,黄爱民,韦庆,动态场景下的运动目标跟踪方法研究,2006
2.杨静宇,一种基于直方图模式的运动目标实时跟踪算法,胡明昊,任明武,
2004.3
3.蔡荣太.非线性自适应滤波器在电视跟踪中的应用[D].北京:
中国科学院,
2008.
4.SOTODA,REGAZZONIMCS.Bayesiantrackingforvideoanalytics[J].IEEESignalProcessingMagazine,2010,27(5)
5.王宇.基于MeanShift的序列图像手势跟踪算法[J].电视技术,2010,34(6)6.WUYing,FANJialue.Contextualflow[C]//Proc.2009IEEEInternationalConferenceonComputerVision,Miami,FL,USA:
IEEEPress,2009
7.NathanFunk,AStudyoftheKalmanFilterappliedtoVisualTracking,2010
版权申明
本文部分内容,包括文字、图片、以及设计等在网上搜集整理。
版权为潘宏亮个人所有
Thisarticleincludessomeparts,includingtext,pictures,anddesign.CopyrightisPanHongliang'spersonalownership.
用户可将本文的内容或服务用于个人学习、研究或欣赏,以及其
他非商业性或非盈利性用途,但同时应遵守著作权法及其他相关法律的规定,不得侵犯本网站及相关权利人的合法权利。
除此以外,将本文任何内容或服务用于其他用途时,须征得本人及相关权利人的书面许可,并支付报酬。
Usersmayusethecontentsorservicesofthisarticle
forpersonalstudy,researchorappreciation,andother
non-commercialornon-profitpurposes,butatthesametime,theyshallabidebytheprovisionsofcopyrightlawandotherrelevantlaws,andshallnotinfringeuponthelegitimaterightsofthiswebsiteanditsrelevantobligees.Inaddition,whenanyconten
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- OPenCV 视频 跟踪 系统 设计方案
![提示](https://static.bdocx.com/images/bang_tan.gif)