导读:本文包含了目标物体跟踪论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:物体,目标,图像,边界,特征,栅格,轮廓。
目标物体跟踪论文文献综述
蒋大为[1]（2018）在《基于AR系统实现叁维物体目标跟踪》一文中研究指出增强现实(AR)是用户与现实世界环境进行交互的一种体验方式,是近年来新兴的热门研究领域。目前使用AR最多的是在移动设备上,但由于移动设备本身硬件的短板,现今的AR应用没有太过复杂的使用方式,大部分都是基于图像识别跟踪然后在其上渲染显示预先设定好的内容。本文主要基于现有的AR系统,以图像识别跟踪技术为基础,在移动设备上对真实叁维物体进行跟踪识别并渲染其对应的虚拟叁维模型,用户可以进行实时交互,拓展了AR在移动设备上的应用领域。(本文来源于《科技创新导报》期刊2018年31期）
刘开展[2]（2017）在《基于物体检测与光流计算的多目标速度估算与轨迹跟踪》一文中研究指出近年来,随着深度学习在机器视觉领域的蓬勃发展,一些传统的视觉难题如物体识别、物体光流计算等都有了新的解决思路。然而,这些细分领域的方法往往不能独自应用于生活中的复杂场景,而将这些方法综合利用则能更好地解决一些综合性的问题。针对机器视觉的动态特征领域,如果同时实现对多目标的速度估算以及轨迹跟踪,则能分析出多个目标当前以及历史的运动状态,这些信息能在如辅助交通事故分析、运动场球员战术执行分析等方面发挥作用。当前测速领域内尚无通用的基于视觉的多目标速度估算方法,而多目标跟踪算法则于近几年才得到较大发展,在机器视觉领域正处于探索阶段。基于上述背景,本文旨在融合两种卷积神经网络:物体检测网络与光流计算网络,以同时实现对多目标的速度估算以及轨迹跟踪。针对多目标跟踪问题,本文设计了一种基于物体检测与光流计算的多目标跟踪算法(ODFMT),算法利用光流实现过滤候选框,利用光流与卡尔曼滤波器实现轨迹预测,利用光流轮廓图以及基本图像特征实现目标轨迹匹配。实验结果表明,该算法相较于当前主流的多目标跟踪算法在速度性能以及预测轨迹能力上有一定优势。针对速度估计问题,本文设计了一种基于物体检测与光流计算的速度估计算法(ODFSE),其利用物体位置信息以及聚类方法计算出光流图中各个目标的光流值,结合光学理论、先验知识以及摄像头定标技术实现光流到物理速度的转换。实验结果表明,该方法以接近实时速度实现对目标的物理速度估算,在摄像头平移的条件下仍然适用。基于上述两种算法,本文设计并实现了一个多目标速度估计及轨迹跟踪系统。该系统以普通单摄像头采集的图像为信息来源,对镜头中的多个目标同时进行轨迹追踪与速度估计。(本文来源于《哈尔滨工业大学》期刊2017-12-01）
陈旺,郭庆胜,范伟,张航,周贺杰[3]（2014）在《二值图像中目标物体边界跟踪的一种快速算法及其应用》一文中研究指出对比分析传统的二值图像边界跟踪算法,并在此基础上提出一种只根据邻近两个栅格的图像状态控制轮廓走向的新算法。实验结果表明,新算法搜索次数少,轮廓识别准确,且很好地解决了岛洞问题,最后在应用中验证了算法的有效性。(本文来源于《测绘工程》期刊2014年12期）
张和平,段锁林,姜小娟[4]（2011）在《配置机械手的轮式移动机器人目标物体跟踪与抓取》一文中研究指出针对配置机械手的室内轮式移动机器人目标物体识别、跟踪和抓取问题,采用一种目标物体识别和机器人定位的方法,利用一种基于模糊控制的轮式移动机器人视觉伺服跟踪控制的方法。针对机器人目标识别跟踪及抓取过程中受环境条件变化的影响,采用HSI颜色模型和基于阈值的区域分割的图像处理方法可以完成目标颜色物体的快速准确识别。基于云台摄像机角度信息的机器人小车目标定位方法和模糊控制理论,设计了模糊跟踪控制器,使机器人输出合适的线速度和角速度,能够实现机器人目标跟踪,使移动机器人趋近目标物体位置,并完成机械手目标物体抓取任务。仿真和实时实验结果表明:所设计的系统具有良好的目标物体识别、跟踪和准确抓取目标的能力。(本文来源于《常州大学学报(自然科学版)》期刊2011年03期）
牛杰[5]（2011）在《基于LabVIEW的物体目标跟踪系统设计》一文中研究指出提出一种基于演化算法的模式匹配目标跟踪方法。传统的模式匹配算法大多采用遍历式搜索策略,因而计算量的降低有限。将演化算法引入匹配技术中,提出一种改进型图像匹配算法,并给出了基于LabVIEW软件的系统实现。实验结果表明该方法具有运算速度快、准确度高等特点。(本文来源于《常州信息职业技术学院学报》期刊2011年02期）
王福生,齐国清[6]（2006）在《二值图像中目标物体轮廓的边界跟踪算法》一文中研究指出分析了二值图像识别中常见的边界跟踪算法,在此基础上提出一种通用性强的边界跟踪算法,能够根据上一边界点的位置判断轮廓走向.在搜索下一个边界点时,只需要对候选的5个点进行判断,便可以找到下一个边界点的位置,从而减少了搜索的次数,使得边界跟踪的时间大为减少.算法对于轮廓不封闭的线段也可以一次扫描得到其轮廓信息.实验表明,算法不仅速度快,而且轮廓识别准确.对于目标物较复杂的图像,算法更能体现出其优越性.(本文来源于《大连海事大学学报》期刊2006年01期）
朱方文,李德强,袁政鹏,吴家麒[7]（2004）在《一种用于目标物体跟踪的人工标志》一文中研究指出论文提出一种用于AR系统中进行运动目标跟踪的点阵图像,并给出了提取这个点阵图像特征点的算法。目标物体跟踪系统在CCD实时采集的、包含被跟踪目标的场景图像中提取点阵图像的特征点,这些特征点的坐标作为计算目标运动状态提供必要的参数。该标志可以用在具有复杂背景的目标物体跟踪系统中。(本文来源于《计算机工程与应用》期刊2004年31期）
陆荣铿[8]（1990）在《小型扩展物体的精确目标跟踪》一文中研究指出介绍一种利用前视红外成象传感器的测量结果来跟踪小型扩展物体形心的方法,得到了作为目标形心的噪声线性测量结果的一帧形心统计学特性.偏移测量噪声表现为自相关.介绍跟踪具有这些测量结果的目标形心状态变化模型及相应滤波器,对它们的性能作了对比,滤波器模拟证明:自相关测量噪声模拟能够提供最好的性能.(本文来源于《红外与激光技术》期刊1990年03期）
目标物体跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着深度学习在机器视觉领域的蓬勃发展,一些传统的视觉难题如物体识别、物体光流计算等都有了新的解决思路。然而,这些细分领域的方法往往不能独自应用于生活中的复杂场景,而将这些方法综合利用则能更好地解决一些综合性的问题。针对机器视觉的动态特征领域,如果同时实现对多目标的速度估算以及轨迹跟踪,则能分析出多个目标当前以及历史的运动状态,这些信息能在如辅助交通事故分析、运动场球员战术执行分析等方面发挥作用。当前测速领域内尚无通用的基于视觉的多目标速度估算方法,而多目标跟踪算法则于近几年才得到较大发展,在机器视觉领域正处于探索阶段。基于上述背景,本文旨在融合两种卷积神经网络:物体检测网络与光流计算网络,以同时实现对多目标的速度估算以及轨迹跟踪。针对多目标跟踪问题,本文设计了一种基于物体检测与光流计算的多目标跟踪算法(ODFMT),算法利用光流实现过滤候选框,利用光流与卡尔曼滤波器实现轨迹预测,利用光流轮廓图以及基本图像特征实现目标轨迹匹配。实验结果表明,该算法相较于当前主流的多目标跟踪算法在速度性能以及预测轨迹能力上有一定优势。针对速度估计问题,本文设计了一种基于物体检测与光流计算的速度估计算法(ODFSE),其利用物体位置信息以及聚类方法计算出光流图中各个目标的光流值,结合光学理论、先验知识以及摄像头定标技术实现光流到物理速度的转换。实验结果表明,该方法以接近实时速度实现对目标的物理速度估算,在摄像头平移的条件下仍然适用。基于上述两种算法,本文设计并实现了一个多目标速度估计及轨迹跟踪系统。该系统以普通单摄像头采集的图像为信息来源,对镜头中的多个目标同时进行轨迹追踪与速度估计。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
目标物体跟踪论文参考文献
[1].蒋大为.基于AR系统实现叁维物体目标跟踪[J].科技创新导报.2018
[2].刘开展.基于物体检测与光流计算的多目标速度估算与轨迹跟踪[D].哈尔滨工业大学.2017
[3].陈旺,郭庆胜,范伟,张航,周贺杰.二值图像中目标物体边界跟踪的一种快速算法及其应用[J].测绘工程.2014
[4].张和平,段锁林,姜小娟.配置机械手的轮式移动机器人目标物体跟踪与抓取[J].常州大学学报(自然科学版).2011
[5].牛杰.基于LabVIEW的物体目标跟踪系统设计[J].常州信息职业技术学院学报.2011
[6].王福生,齐国清.二值图像中目标物体轮廓的边界跟踪算法[J].大连海事大学学报.2006
[7].朱方文,李德强,袁政鹏,吴家麒.一种用于目标物体跟踪的人工标志[J].计算机工程与应用.2004
[8].陆荣铿.小型扩展物体的精确目标跟踪[J].红外与激光技术.1990
论文知识图
