导读:本文包含了运动目标跟踪论文开题报告文献综述、选题提纲参考文献，主要关键词:目标,算法,特征,匈牙利,卡尔,时域,梯度。
运动目标跟踪论文文献综述写法
周越,宿佳钰,蒋柯[1]（2019）在《基于改进型的抗遮挡运动目标跟踪算法》一文中研究指出针对遮挡发生情况下的运动目标跟踪,采用Mean Shift算法进行研究与改进。在跟踪运动目标时,跟踪环境中经常会存在一些无法规避的遮挡。仅使用传统的Mean Shift算法易发生目标丢失的情况,所以提出了一种结合Kalman预测机制的改进型的抗遮挡Mean Shift算法。这种改进型的Mean Shift算法可以在发生遮挡时,对运动目标轨迹进行合理预测。在遮挡环境下,结合Kalman后的算法会更加有效的跟踪运动目标,迭代次数减少,并提高了跟踪的稳健性。(本文来源于《电子世界》期刊2019年22期）
汪少文,王巍[2]（2019）在《一种运动摄像机下的人群目标跟踪方法研究》一文中研究指出针对移动摄像机下的人群目标跟踪问题,提出了一种目标跟踪方法。该方法利用颜色与轮廓两种特征描述跟踪目标,并运用Bhattacharyya距离进行相似度比较,改进传统的跟踪算法。实验结果表明,该方法能够实现人群目标的跟踪,对单一颜色与遮挡的目标有很强的鲁棒性,能够实现单目标与双目标的跟踪。(本文来源于《现代信息科技》期刊2019年22期）
程月[3]（2019）在《无人直升机运动目标跟踪控制系统设计》一文中研究指出军事力量是一个国家生存和发展的基础,是维护国家利益、维护国家安全的坚实后盾。增强国家军事力量,有利于增强国家实力提高国家的国际地位,使国家拥有国际话语权和国际影响力。增强军事力量主要落实在国防和军队的现代化建设上。改革开放以来,市场经济的快速发展为国防和军队的现代化的建设提供了基本的经济保障。中国积极的学习强国先进的军事科学技术,重视科学技术的自主创新。在学习和探索中不断进步提高,使得水、陆、空叁军在各项基础建设方面都取得了重大的成就,但是与西方强国先发展军事力量的情况下相比仍然存在着很大的差距。通过不断的(本文来源于《电气传动》期刊2019年11期）
益争祝玛,尚振宏,刘辉,李润鑫[4]（2019）在《基于多特征融合的运动目标跟踪方法》一文中研究指出采用单一特征描述目标和传统模型更新方法对目标进行跟踪难以适应目标的遮挡、形变以及复杂场景变化等问题。针对此问题,提出一种多特征融合和选择性更新模型的相关滤波器跟踪算法。分别利用方向梯度直方图和颜色特征训练滤波器模型,在检测阶段根据不同特征响应图的峰值旁瓣比和加权融合两种特征;根据每帧最终目标位置响应图的峰值旁瓣比,判断目标是否发生遮挡,发生遮挡时则不更新模型,下一帧中继续使用当前模型进行跟踪。选取公开测试视频集中12段视频序列与多个前沿运动目标跟踪算法进行对比实验,结果显示,相对于次优的基于颜色特征(color names,CN)的算法,平均中心位置误差减少了25.12像素,平均跟踪精度提高了29.31%。实验结果表明,在目标发生尺度变化、遮挡和光照变化等情况下,该算法可以稳定、准确跟踪运动目标。(本文来源于《仪表技术与传感器》期刊2019年11期）
田雨佳[5]（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）
廖家才,曹立波,夏家豪,张晓,吴强[6]（2019）在《基于核相关滤波和运动模型的多目标轨迹跟踪》一文中研究指出在自动驾驶系统中,基于视觉的车辆前方多目标检测和轨迹跟踪能够为前方目标的姿态估计、行为分析提供有效信息。针对协同运动信息和核相关滤波跟踪信息的多目标跟踪的不足,使用卷积神经网络YOLOv2检测目标,提出了融合核相关滤波和目标运动信息的多目标轨迹跟踪方法,目的是将运动信息融入到图像特征跟踪容器中,优化运动模型,减少环境噪声造成的目标跟踪丢失、偏离。提出了基于运动信息改进核相关滤波跟踪尺度不变性算法。建立了多目标的检测跟踪容器,提出了结合目标属性、重合度、运动状态、跟踪状态的多目标匹配方法。实验表明,本文算法能够实现一定场景下的多目标的持续实时轨迹跟踪,平均有效跟踪率为92.5%。(本文来源于《汽车工程》期刊2019年10期）
李亚文,刘萌[7]（2019）在《一种改进型的粒子滤波算法在运动目标跟踪中的应用》一文中研究指出针对传统粒子滤波算法进行目标跟踪时,当跟踪目标颜色与背景近似或者有遮挡时,易出现跟踪丢失的现象,论文提出了一种改进型的粒子滤波算法,将传统粒子滤波算法和卡尔曼滤波算法相结合,将跟踪目标分成多个子块并进行子模块匹配,并把匹配的子模块和预测的目标位置进行融合,实现对运动目标的准确跟踪。对采集的一段视频在Matlab中进行仿真实验,实验结果表明,改进型的粒子滤波算法能较好的实现对目标背景近似或遮挡时运动目标的跟踪,跟踪精度较高,算法鲁棒性好。(本文来源于《舰船电子工程》期刊2019年10期）
韩晓微,岳高峰,谢英红[8]（2019）在《基于时域和梯度的运动目标识别跟踪算法》一文中研究指出针对视频存在噪声干扰及现有算法实时性较差的问题,提出了一种新型的基于时域和梯度的运动目标识别跟踪算法.考虑时间域上视频的形成,用帧差法将图片中的区域划分为变化区域和运动区域;依照2个区域的幅度变化对识别算法进行设计,为了消除背景干扰,对形成的运动区域进行均值滤波;在时域基础上增加了梯度分量,对运动区域形成梯度化轨迹,实现跟踪算法的完整设计.通过实验验证,本算法能够稳定地跟踪前景运动目标,与TLD和CamShift算法相比,在实时性上有明显提升,在耗时上分别缩减12.6%和22.7%.(本文来源于《沈阳大学学报(自然科学版)》期刊2019年05期）
娄康,朱志宇,葛慧林[9]（2019）在《基于目标运动特征的红外目标检测与跟踪方法》一文中研究指出为了提高红外目标检测与跟踪的速度和准确率,该文提出了一种基于红外弱小目标运动特征信息的检测与跟踪方法。方法主要分为目标运动特征检测和目标轨迹预测跟踪两个方面。目标检测方面,通过背景帧差分法将图像分割为前后景,形态学运算后在每一帧的前景中对红外弱小目标进行检测,并记录下候选目标。目标跟踪方面,通过卡尔曼滤波对红外目标轨迹进行预测,计算目标轨迹质心位置与目标实际位置欧式距离,通过匈牙利算法以欧式距离为权重对目标实际轨迹与预测轨迹进行分配,如果分配的结果超过一定阈值将会被重新分配。最终通过MATLAB,在公开的数据集上,仿真验证了该文算法在基本满足实时检测的要求下,仍然可以有效地提高红外弱小目标的检测与跟踪效果。(本文来源于《南京理工大学学报》期刊2019年04期）
吴家俊,蔡柏林,陈强,王克逸[10]（2019）在《快速运动目标的实时检测和跟踪》一文中研究指出为了实现对快速运动的目标实时检测和跟踪,搭建了一套高速视觉系统,提出一种基于YCBCr空间Cb分量的实时检测和跟踪算法,并通过质心预测和ROI更新来提高计算效率。实验结果表明该方法能够实时准确检测和跟踪1.3m距离下4m/s的乒乓球,对相似物体的干扰和运动模糊,具有良好的鲁棒性。对于分辨率为640x480的8位图像,采集和处理的速度最快能够达到3.2ms。(本文来源于《工业控制计算机》期刊2019年08期）
运动目标跟踪论文开题报告范文
（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：
针对移动摄像机下的人群目标跟踪问题,提出了一种目标跟踪方法。该方法利用颜色与轮廓两种特征描述跟踪目标,并运用Bhattacharyya距离进行相似度比较,改进传统的跟踪算法。实验结果表明,该方法能够实现人群目标的跟踪,对单一颜色与遮挡的目标有很强的鲁棒性,能够实现单目标与双目标的跟踪。
（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。
运动目标跟踪论文参考文献
[1].周越,宿佳钰,蒋柯.基于改进型的抗遮挡运动目标跟踪算法[J].电子世界.2019
[2].汪少文,王巍.一种运动摄像机下的人群目标跟踪方法研究[J].现代信息科技.2019
[3].程月.无人直升机运动目标跟踪控制系统设计[J].电气传动.2019
[4].益争祝玛,尚振宏,刘辉,李润鑫.基于多特征融合的运动目标跟踪方法[J].仪表技术与传感器.2019
[5].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
[6].廖家才,曹立波,夏家豪,张晓,吴强.基于核相关滤波和运动模型的多目标轨迹跟踪[J].汽车工程.2019
[7].李亚文,刘萌.一种改进型的粒子滤波算法在运动目标跟踪中的应用[J].舰船电子工程.2019
[8].韩晓微,岳高峰,谢英红.基于时域和梯度的运动目标识别跟踪算法[J].沈阳大学学报(自然科学版).2019
[9].娄康,朱志宇,葛慧林.基于目标运动特征的红外目标检测与跟踪方法[J].南京理工大学学报.2019
[10].吴家俊,蔡柏林,陈强,王克逸.快速运动目标的实时检测和跟踪[J].工业控制计算机.2019