导读:本文包含了视频跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:视频卫星,目标跟踪,时空上下文,感知哈希
视频跟踪论文文献综述
张作省[1]（2019）在《高分遥感视频改进型时空上下文目标跟踪》一文中研究指出针对时空上下文(STC)目标跟踪算法在高分辨率视频卫星影像中目标经过复杂背景时跟踪准确度过低的问题,提出适用于视频卫星影像数据的改进型时空上下文目标跟踪算法。算法结合感知哈希算法对STC目标跟踪算法中置信图模型加以改进以提升跟踪算法的目标定位精度,使用帧间学习率自适应更新方法以提升跟踪算法准确度。另外,对系列视频卫星影像进行了仿真实验,结果表明,所提算法在保证实时跟踪速度的同时克服了视频卫星影像中复杂背景对目标跟踪算法的干扰,实现了针对高分辨率视频卫星影像的精准目标跟踪。(本文来源于《机电信息》期刊2019年33期）
甘志英,王江[2]（2019）在《基于相关滤波器的视频跟踪算法与仿真》一文中研究指出为解决视频跟踪中目标旋转、形变、光照等导致目标丢失问题,提出了一种相关滤波器跟踪算法,该算法利用局部信息,对目标多次训练获取滤波器,再经相关运算对目标位置进行估计,并在线实时更新滤波器。仿真实验表明,该算法具有快速、简单、鲁棒等特点,能够实现对运动目标的实时跟踪。(本文来源于《唐山学院学报》期刊2019年06期）
田雨佳[3]（2019）在《视频序列中的运动目标跟踪算法分析》一文中研究指出我国经济建设以来,科学技术得到较快发展,计算机在各个领域有较为广泛的应用效果,其中视频序列运动目标跟踪是计算机领域中非常重要的技术之一,主要应用在工业机器人、国防安全以及人机交互等领域,并且在该领域中有较高的应用价值。此外,在对视频序列目标跟踪的过程中,需要采用有效的跟踪算法,这在较大程度上能够有效提升跟踪结果的精确性。但是,由于监控设备之间差异以及监控场景多变,导致一些因素的影响,比如目标形态变化比例以及光照强度变化等,使跟踪结果精确度偏低,无法达到较好预期。为此,需要采取有效的目标跟踪算法提升跟踪算法结果的精确度,以此为我国一些领域的发展奠定良好的基础。(本文来源于《数码世界》期刊2019年11期）
陈雯[4]（2019）在《基于视频处理技术的船舶移动位置跟踪研究》一文中研究指出移动位置跟踪是船舶航行过程中的重要技术,针对当前船舶移动位置跟踪误差大,受环境因素影响大的缺陷,为了提高船舶移动位置跟踪性能,设计了基于视频处理技术的船舶移动位置跟踪方法。首先分析当前船舶移动位置跟踪的研究进展,并描述视频处理技术的船舶移动位置跟踪原理,然后采用分帧技术对船舶移动位置跟踪视频进行处理,并提取船舶移动位置跟踪视频图像特征,通过特征替换提高船舶移动位置跟踪视频质量,最后引入Mean shift算法实现船舶移动位置跟踪,并采用仿真实验对船舶移动位置跟踪效果进行测试,结果表明,基于视频处理技术的船舶移动位置跟踪精度超过95%,跟踪速度快,获得比当前其他方法整体性能更优的船舶移动位置跟踪结果。(本文来源于《舰船科学技术》期刊2019年20期）
戚臻杰,邱立达[5]（2019）在《基于稀疏滤波的视频目标跟踪方法》一文中研究指出为了在视频序列中有效的进行目标跟踪,设计了一种深度稀疏滤波模型,通过深度学习获取样本稀疏特征并对其进行分类,接着在跟踪过程中利用标签样本对模型在线更新,最后利用训练好的深度稀疏滤波模型确定跟踪目标。在不同视频序列中的实验表明:相较于当前几种优秀的目标跟踪算法,本文算法在复杂条件下具有更高的跟踪精度和鲁棒性。(本文来源于《计算机产品与流通》期刊2019年10期）
冉启武[6]（2019）在《基于视觉传达的多帧视频图像邻域跟踪仿真》一文中研究指出在处理复杂多帧视频图像时,传统的基于SURF特征的图像邻域跟踪方法暴露出目标邻域精度不高、边界不够平滑且无法满足实时处理要求的情况。针对上述情况提出了一种基于视觉传达的多帧视频图像邻域跟踪方法。方法首先通过选取适当的迭加尺度,将邻域特征描述的向量与适当的迭加尺度进行完全迭加,完成去除冗余特征点和离散点处理,再对迭加区域中出现的目标给予权值,最后将权值与显着性加权最小二乘图像匹配方法结合完成多帧视频图像的邻域跟踪。实验表明:提出的方法不仅可以提高多帧视频图像的特征提取与匹配的精准率,而且降低了在匹配过程中出现的噪声问题,证明了上述方法相对于现有的邻域跟踪方法有很大的优越性,为下一步的多帧视频图像领域跟踪提供了精确的方法。(本文来源于《计算机仿真》期刊2019年10期）
周玉成,陈业明,程新蕾,张梦雨,汪沛[7]（2019）在《飞鸟视频跟踪的局部特征点融合Meanshift方法》一文中研究指出野生鸟类的观察对于鸟类生态和行为学具有重要的意义。近年来,大量视频传感器的应用为科研人员观察和追踪野生鸟类提供了丰富的视频数据,但通过人工处理,识别和追踪视频中的野生鸟类仍是一项费时费力的工作。针对这个问题,提出了一种融合局部特征点匹配和Meanshift方法的自动跟踪算法。该方法通过Surf算子、Lowe’s算法、Flann匹配器进行特征点的提取、匹配与筛选,以局部匹配的结果为据预测目标位置并结合Meanshift向量迭代,将预测值作为Meanshift算法迭代的初始值,并根据鸟类的特性改进了迭代规则。采用四个视频对改进方法和Meanshift方法进行了比对实验,结果表明改进方法在跟踪效率和准确率上均有提升。当鸟类与背景颜色相似且运动速度较快时,改进方法的优势更为明显。(本文来源于《电子技术与软件工程》期刊2019年18期）
欧丰林,吴慧君,杨文元[8]（2019）在《视频目标跟踪的颜色特征学习率优化分析》一文中研究指出目标跟踪是智能视频监控系统的关键技术基础,在视觉目标实时跟踪过程中往往因为漂移而降低精度.针对这个问题,在颜色特征的基础上,通过分析和优化学习率来抑制漂移,提高目标跟踪的精度.首先,利用RGB颜色特征建立目标背景与干扰感知目标模型.其次,根据干扰感知的模型计算目标跟踪对象的干扰区域与目标区域的概率值与距离值.最后,通过引入不同的学习率,优化目标跟踪中概率值与距离值进行目标定位,得到跟踪结果的最优值.采用VOT2016评估基准60组视频序列验证优化分析的有效性,实验结果表明对学习率进行优化,目标跟踪的精度和速度均有一定程度提高.(本文来源于《南京师范大学学报(工程技术版)》期刊2019年03期）
赵麒瑞,韩耀斌,沈惠,刘光花[9]（2019）在《上升段飞行器目标的视频图像跟踪》一文中研究指出粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法,具有较为灵活的并行化跟踪方式,能够较好地维持跟踪目标的假设状态,具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段,但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器,实现视频图像中的飞行器跟踪,跟踪图像存在跟踪滞后、画面抖动等现象,跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法,建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪,在识别和跟踪的基础上建立云台控制模型,通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据,检验飞行器目标的跟踪效果。(本文来源于《南京航空航天大学学报》期刊2019年S1期）
陆玉立[10]（2019）在《叁维人体动画单目视频运动轨迹准确跟踪方法研究》一文中研究指出为了提高叁维人体动画单目视频运动轨迹跟踪识别能力,提出一种基于Harris角点检测和模板特征匹配的叁维人体动画单目视频运动轨迹准确跟踪方法。采用帧扫描和块匹配方法进行叁维人体动画单目视频运动轨迹图像的边缘轮廓特征检测,采用电子稳像渲染方法实现叁维人体动画单目视频运动轨迹图像的稳态跟踪,结合Harris角点检测方法提取运动轨迹图像的关键动作特征点与轮廓信息,对重建叁维人体动画单目视频运动轨迹图像的表面纹理特征进行多模态配准,对叁维人体动画单目视频运动轨迹图像进行平滑去噪,降低叁维人体动画单目视频运动轨迹重建和跟踪的误差,实现叁维人体动画单目视频运动轨迹的准确跟踪。仿真结果表明,采用该方法进行叁维人体动画单目视频运动轨迹跟踪的分辨力较高,特征点的匹配能力较强,提高了人体动画轨迹跟踪的精度。(本文来源于《长春大学学报》期刊2019年08期）
视频跟踪论文开题报告
（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：
为解决视频跟踪中目标旋转、形变、光照等导致目标丢失问题,提出了一种相关滤波器跟踪算法,该算法利用局部信息,对目标多次训练获取滤波器,再经相关运算对目标位置进行估计,并在线实时更新滤波器。仿真实验表明,该算法具有快速、简单、鲁棒等特点,能够实现对运动目标的实时跟踪。
（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。
视频跟踪论文参考文献
[1].张作省.高分遥感视频改进型时空上下文目标跟踪[J].机电信息.2019
[2].甘志英,王江.基于相关滤波器的视频跟踪算法与仿真[J].唐山学院学报.2019
[3].田雨佳.视频序列中的运动目标跟踪算法分析[J].数码世界.2019
[4].陈雯.基于视频处理技术的船舶移动位置跟踪研究[J].舰船科学技术.2019
[5].戚臻杰,邱立达.基于稀疏滤波的视频目标跟踪方法[J].计算机产品与流通.2019
[6].冉启武.基于视觉传达的多帧视频图像邻域跟踪仿真[J].计算机仿真.2019
[7].周玉成,陈业明,程新蕾,张梦雨,汪沛.飞鸟视频跟踪的局部特征点融合Meanshift方法[J].电子技术与软件工程.2019
[8].欧丰林,吴慧君,杨文元.视频目标跟踪的颜色特征学习率优化分析[J].南京师范大学学报(工程技术版).2019
[9].赵麒瑞,韩耀斌,沈惠,刘光花.上升段飞行器目标的视频图像跟踪[J].南京航空航天大学学报.2019
[10].陆玉立.叁维人体动画单目视频运动轨迹准确跟踪方法研究[J].长春大学学报.2019