导读:本文包含了运动目标定位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:目标,视觉,双目,相位差,实时,深度,速度。
运动目标定位论文文献综述
王嫣,常晓鹏,张建平[1]（2019）在《基于EKF算法的UWB和ZigBee测量技术的混合运动目标定位》一文中研究指出为解决无线传感器网络中单一跟踪算法和测量技术不能获得运动目标高精度定位的问题,提出了一种将跟踪算法同时与不同测量技术相结合的混合式跟踪定位技术.通过对基于扩展卡尔曼滤波跟踪算法的分析,将基于UWB测量技术得到的距离测量值和基于ZigBee测量技术得到的接收信号强度测量值相融合,结合扩展卡尔曼滤波跟踪算法,得到一种对室内运动目标的混合式跟踪定位方法.实验表明,该混合定位方法能有效提高运动目标的定位精度.(本文来源于《应用科学学报》期刊2019年06期）
杨汀汀,张彦军,邢关生[2]（2019）在《基于分布式粒子滤波的多机器人运动目标定位》一文中研究指出本文针对由多个机器人组成的有向通信网络拓扑图建立关于机器人目标运动的定位模型。在有向网络拓扑条件下,根据各单体机器人间的通信情况,提出运用分布式粒子滤波算法并结合平均一致性算法对运动的目标进行跟踪定位,从而获得对运动目标的位置的整体状态估计。实验仿真结果表明该算法的在一定程度上能够改善多机器人的融合估计能力,可以获得目标位置的准确估计,具有较好的跟踪精度和实时性。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
刘希宾[3]（2019）在《基于视觉的运动目标检测与定位技术》一文中研究指出基于视觉的运动目标检测与定位技术在民用方面,广泛应用于智能交通、智能驾驶、抗灾救援等任务,在军用方面,可利用带有视觉感知平台的无人车进行目标检测与定位具有独特的优势,特别是在对可移动的、有遮掩的、时敏的地面目标或水面目标进行实时、零伤亡、全天候的有效监控值守过程中发挥了不可替代的作用。本文视觉感知系统是指安装在两栖微型无人车上,执行监控地面和水面的侦察系统,从采集的视频图像中检测运动目标、自动调整车载云台跟踪运动目标,同时对运动目标进行叁维定位,利用位置信息引导控制两栖微型无人车执行进一步的方案。本文主要对动态背景下的运动目标检测和定位问题进行研究,包括以下几个方面:视觉系统设计与图像处理方面:对视觉系统设计和图像处理技术进行研究为后续工作准备,设计的视觉感知系统采用CMOS传感器+云台+ARM处理芯片+显示器(计算机)解决方案,提出了一种基于速度且无须云台标定的自适应速度调节方法进行稳定地运动目标检测与定位。图像处理技术涉及图像灰度化、二值化、图像去噪、边缘检测以及图像去雾几方面的研究,同时分别给出了相应算法的实验效果。目标检测方面:为实现动态背景下的运动目标检测提出了基于单高斯背景模型的差景法融合连续帧差法的运动目标改进检测算法,给出了基于改进算法的实验结果,并分别与仅利用基于混合高斯背景建模技术的运动目标检测算法和基于单高斯背景模型的差景法算法的实验结果做对比。轨迹预推方面:采用双元热释电红外传感器配备红外透镜组成探测元构成的“米”字型感知结构,接着对感知模型的布局进行研究,确定四台两栖微型无人车布局构成的正方形感知模型能够达到对运动目标轨迹测量的要求,最够详细阐述在该模型下运动目标轨迹预推算法,并通过户外实验验证了算法的有效性和可执行性。目标定位方面:首先明确了实现定位所需的关键信息,在此基础上为了恢复二维图像中丢失的目标深度信息,提出了基于单目测距模型的定位算法以及在提取轮廓完整下的目标定位算法。根据实验结果得出,采用所设计的定位算法可以得到较为准确的位置信息。(本文来源于《中北大学》期刊2019-05-30）
张旭,孙翱,韩旭,辛健[4]（2019）在《水下垂向运动目标的海底多基站声定位方法及精度分析》一文中研究指出针对水下垂向运动目标具有瞬变运动特性、难以对其轨迹进行高精度和高帧率测量的问题,提出一种有水声信标的海底多基站声定位模型,基于高斯-牛顿法给出求解算法,证明了算法满足局部线性收敛条件。数值仿真和精度分析表明,基站站址误差、声速误差和信号时延估计误差通过测量斜距传播到目标位置参数,误差传播过程受接收基阵几何构型、目标相对位置及水声学约束条件等因素影响。在多个海底基站共面条件下,补充海面基站可改进垂向测量能力。利用该方法对全区域进行精度估计,获取了定位性能在空间分布上的细节特征。以水平范围1 km×1 km、水深60 m的海区计算,对于由13个海底基站和1个海面基站构成的14元测量阵,目标运动深度范围为35～60 m,在x, y, z叁个方向的均方根误差(RMSE)平均值分别为0.30 m, 1.47 m, 0.34 m。本文工作为水下垂向运动目标定位提供了一种技术途径,可为测量系统的论证设计提供参考。(本文来源于《声学学报》期刊2019年02期）
王青[5]（2019）在《基于视频的运动目标检测与定位算法研究》一文中研究指出随着中国经济的快速发展和社会的不断进步,越来越多的人们开始关注自身安全问题。智能视频监控系统应运而生,并被广泛应用于交通、监狱、机场和电力系统等安全性能要求较高的场所。但是由于传统视频监控系统在具体实现过程中,往往需要依靠人力完成,造成了很多不必要的资源浪费。因此,高效的运动目标检测和定位算法的实现具有非常重要的现实意义。本文以视频序列中的运动目标为研究对象,主要分析了目标检测、跟踪以及入侵检测算法。针对传统算法中存在的问题,改进了基于混合高斯模型的背景减除法和传统Camshift跟踪算法。本文的主要工作包括以下叁点:在运动目标检测方面,针对传统叁帧差分法只能提取出目标的大致轮廓、背景减除法的具体实现依赖于背景模型的准确建立与实时更新的问题,本文引入Canny算子对传统叁帧差分法进行改进,并将改进后的叁帧差分法与基于混合高斯模型的背景减除法相结合,然后利用HSV颜色空间去除所得目标中的阴影区域,最终实现运动目标检测。在运动目标跟踪方面,针对传统Camshift算法容易受到背景中相似颜色干扰的问题,本文引入饱和度分量对算法中的目标直方图模板进行改进,以获取较为准确的目标颜色信息。针对目标被部分遮挡会导致跟踪失败以及该算法在具体实现过程中需要在每一帧图像中全图寻找目标区域,使得计算量偏大的问题,本文引入Kalman滤波器对目标下一帧位置进行预测估计,以便快速、准确地获取下一帧图像中的目标信息。在目标入侵检测方面,针对因目标位于警戒线位置而造成的误报警现象,本文利用目标框的下边缘向下投影到与地面相交位置得到的投影线与警戒线的位置关系,判断目标是否发生跨越警戒线行为。实验结果表明,与传统算法相比,改进的目标检测算法能够在复杂环境中完整、准确地提取出运动目标;跟踪算法既可以提高跟踪精度,又能够降低计算量;入侵检测算法可有效减少由于视角造成的误报警。(本文来源于《华北电力大学》期刊2019-03-01）
常晓龙[6]（2018）在《基于深度学习的人体运动目标实时检测定位与动作识别》一文中研究指出在当今人工智能与大数据驱动下的智能计算机行业中,图像处理与模式识别逐渐成为学者专家研究的重点。目标检测与定位在安防视频监控中起着非常重要的作用,同时在工业检测也有广泛的应用。随着研究的不断深入,需更精确的分析视频中人体的动作行为,故动作识别也逐渐成为计算视觉研究领域的重要方向,在人机交互、智能监控领域中,可预见的应用前景十分可观。本文在仔细研究阅读大量国内外参考文献基础上,总结了学者前辈研究工作的优缺点,并对针对舞台这一特定场景,对人体运动目标实时检测定位和动作识别等关键技术进行深入的研究。在目标检测中,分析了几种深度学习的目标检测方法,针对本文研究场景,采用SSD(Single Shot MultiBox Detector)目标检测方法。通过数据增强、特征优化以及迁移学习对本文的检测模型进行调优,提高检测精度,实现对目标的实时检测,并通过自己设计视觉标定物,来实现多人身份的唯一性检测;在双目视觉定位中,相机标定采用棋盘格标定法,利用Matlab相机标定工具箱进行标定,以及通过自定义世界坐标与图像坐标中对应点求解相机的内参和外参,最后利用极线几何约束关系对目标进行定位。在检测定位实验中,实现40fps检测速度,且平均定位误差在10cm以内。在动作识别中,本文提出了一种基于多项式拟合的模特走秀动作评价方法。首先采用基于局部亲和域的方法对人体关节点进行检测,同时为消除相机位姿和个体体型的差异,可将检测的关节点利用普氏分析进行数据校准;其次将人体关节点分为脊柱、上肢和下肢叁部分进行分析,分别从水平方向和竖直方向进行多项式拟合;然后将多项式拟合系数进行PCA数据降维;最后将降维后的系数作为动作分析评价的特征,利用SVM分类器实现对模特走秀动作的分类识别。该方法通过交叉验证的准确率为71.9%,初步实现了对模特走秀动作的专业性评价。(本文来源于《浙江理工大学》期刊2018-12-10）
梁高丽,王姮,刘冉,付余路,张华[7]（2018）在《一种融合RFID和激光聚类速度匹配的运动目标定位方法》一文中研究指出射频识别技术通过无线电讯号对目标进行自动识别,其标签使用全球唯一ID作为标识,有效的解决了激光定位的奇异性问题。该文通过速度匹配融合RFID相位信息与激光聚类信息,从而实现运动目标的定位。首先对激光数据进行聚类,并用聚类后的激光数据估算运动目标速度,然后利用RFID相位差估算运动目标的速度,将两者速度进行匹配,最后将匹配成功的激光数据融入粒子滤波,从而实现目标的定位。文中在一个服务机器人平台测试算法的性能。实验表明,该算法在复杂环境中,定位精度可达0.39 m左右。(本文来源于《仪表技术与传感器》期刊2018年11期）
吴子岳,杨帅,王董测,孙鹏飞[8]（2018）在《自适应图像增强的差值哈希算法对运动目标的跟踪定位研究》一文中研究指出对于运动目标的跟踪定位研究成为当前的研究热点,利用北斗卫星定位系统对微小运动目标进行跟踪定位尚存在一定难度.文中借助无人机的摄像机设备,采用跟踪算法进行对运动目标的跟踪,通过对无人机的定位获取到相应的坐标信息,实现目标定位的精准化。为了更好地实现对于目标跟踪的效果,文中采用自适应图像增强的方式提高图像质量,通过拉普拉斯变换的差值哈希算法能够提高对运动目标跟踪的效果,在跟踪速度上有了明显的提升.(本文来源于《全球定位系统》期刊2018年05期）
张红良,俞先国,王梓[9]（2018）在《运动视觉平台点目标定位误差分析和平台最优运动轨迹设计》一文中研究指出对运动视觉平台点目标定位问题进行了研究,介绍了基于视觉共线方程的目标定位方法,分析了共线方程关于视线约束的实质。在观测视线相关坐标系推导了视线方向角矢量对目标定位误差的影响规律,分析了多观测对定位误差的影响,并基于最小化目标定位误差推导了视觉平台的最优运动轨迹,利用简单明了的分析方法得到了与已有文献优化Fisher信息矩阵方法一致的结论。利用仿真和试验对定位误差和最优轨迹进行了验证,证实了定位误差理论分析和最优运动轨迹设计的正确性。(本文来源于《国防科技大学学报》期刊2018年04期）
童基均,常晓龙,赵英杰,蒋路茸[10]（2018）在《基于深度学习的运动目标实时识别与定位》一文中研究指出针对人体运动目标的实时检测与定位问题,采用深度学习的方法进行研究.在Caffe框架下,采用SSD(Single Shot multibox Detector)检测方法.以VGG16作为基础网络模型,增加额外特征卷积层,提取多尺度的卷积特征.然后对实验数据集进行迭代训练,得到运动目标检测模型.利用训练好的模型,通过2路摄像机检测运动目标,并双目视觉定位.实验结果表明,整个系统运行速度可达40 fps,在10 m×10 m的场景下,平均定位误差在6 cm以内,在速度和精度上均有很好的表现,为大中型场景的人体运动实时检测定位问题提供了有效的解决方案.(本文来源于《计算机系统应用》期刊2018年08期）
运动目标定位论文开题报告
（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：
本文针对由多个机器人组成的有向通信网络拓扑图建立关于机器人目标运动的定位模型。在有向网络拓扑条件下,根据各单体机器人间的通信情况,提出运用分布式粒子滤波算法并结合平均一致性算法对运动的目标进行跟踪定位,从而获得对运动目标的位置的整体状态估计。实验仿真结果表明该算法的在一定程度上能够改善多机器人的融合估计能力,可以获得目标位置的准确估计,具有较好的跟踪精度和实时性。
（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。
运动目标定位论文参考文献
[1].王嫣,常晓鹏,张建平.基于EKF算法的UWB和ZigBee测量技术的混合运动目标定位[J].应用科学学报.2019
[2].杨汀汀,张彦军,邢关生.基于分布式粒子滤波的多机器人运动目标定位[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[3].刘希宾.基于视觉的运动目标检测与定位技术[D].中北大学.2019
[4].张旭,孙翱,韩旭,辛健.水下垂向运动目标的海底多基站声定位方法及精度分析[J].声学学报.2019
[5].王青.基于视频的运动目标检测与定位算法研究[D].华北电力大学.2019
[6].常晓龙.基于深度学习的人体运动目标实时检测定位与动作识别[D].浙江理工大学.2018
[7].梁高丽,王姮,刘冉,付余路,张华.一种融合RFID和激光聚类速度匹配的运动目标定位方法[J].仪表技术与传感器.2018
[8].吴子岳,杨帅,王董测,孙鹏飞.自适应图像增强的差值哈希算法对运动目标的跟踪定位研究[J].全球定位系统.2018
[9].张红良,俞先国,王梓.运动视觉平台点目标定位误差分析和平台最优运动轨迹设计[J].国防科技大学学报.2018
[10].童基均,常晓龙,赵英杰,蒋路茸.基于深度学习的运动目标实时识别与定位[J].计算机系统应用.2018
论文知识图
