导读:本文包含了均值偏移算法论文开题报告文献综述及选题提纲参考文献，主要关键词:目标跟踪,目标交接,均值偏移,协作跟踪
均值偏移算法论文文献综述
王伟涛,梅寒剑[1]（2018）在《基于均值偏移算法的双摄像机目标跟踪》一文中研究指出通常基于摄像机的目标跟踪都是在单个静止摄像机的假设下进行的,而现实往往有更复杂的状况,需要多角度以及对目标的动态跟踪,多个摄像机的目标跟踪和交接必然成为新的研究热点。本文采用双PTZ摄像机对目标跟踪,建立了一种目标跟踪的实验原型,在这种原型下成功实现对目标的跟踪和交接。实验中采用了改进的均值偏移算法,对摄像机移动具有一定的鲁棒性。(本文来源于《计量与测试技术》期刊2018年05期）
李湘文,周玲,尹福成[2]（2018）在《均值偏移算法在扩展目标跟踪技术上分析》一文中研究指出目标跟踪技术是现代科技的一项重要技术,是计算机视觉技术领域的一项极其重要的课题。它的发展将直接推动智能科技的发展。均值偏移算法是目标跟踪的一个极其重要的计算方法,它以其独有的抗尺度变化、旋转变化、人工干预系数少,在现代目标跟踪领域表现着极其重要的作用。但是并不是所有的跟踪技术它对其都能达到很好的效果。为此,文章从实际工程学角度分析了该算法,并通过两组跟踪实例来指出该算法的优势与不足之处。指出该算法的直接利用之处和修改后间接利用的方向。(本文来源于《舰船电子工程》期刊2018年05期）
康青杨,吴尽昭,沈强,赵志军[3]（2013）在《一种基于路径的快速均值偏移算法》一文中研究指出均值偏移算法是一种统计迭代算法,因为其具备良好的鲁棒性,所以被广泛地应用于计算机视觉与模式识别等领域。然而该算法因计算量大、收敛速度慢而无法适用于一些对实时性要求较高、资源受限的场合。提出一种改进的迭代算法,该迭代算法通过使用偏移均值邻近的样本点来代替它,进而在样本集中构建出迭代路径。相对于传统的均值偏移算法,该改进方法在不影响结果的情况下减小了算法复杂度。通过大量的聚类分析和图像分割实验对算法的有效性和普适性进行了验证。(本文来源于《计算机应用与软件》期刊2013年12期）
刘丹[4]（2013）在《视频目标跟踪中的均值偏移算法研究》一文中研究指出目标跟踪技术是计算机视觉领域中重要研究课题之一,在人类生活、军事侦察、工业生产、医疗诊断、交通管理等多方面,都有广泛的应用,研究目标跟踪对人类生活、工程应用等具有现实的指导意义。在基于视觉的目标跟踪算法中,经典的Mean-Shift算法以其理论科学有效、操作简单易实现,跟踪性能较好等优势,一直是众多学者研究的热点。可算法也存在着许多缺陷。例如目标模型中混有背景信息的干扰,给目标定位带来了偏差；以手动确定的目标中心为迭代初始值,而这样的中心并不是目标的真实中心,对于快速运动的小目标不能实现有效地跟踪；算法具有一定的抗边缘遮挡能力,但当目标中心发生大面积遮挡时,适应能力较差；以颜色为全局统计信息,当目标和背景区分度较差或具有相似概率密度估计时,算法失去了有效性。针对以上问题,本论文对Mean-Shift算法做了深入的研究,并提出了改进。(1)针对颜色特征是目标跟踪中有效特征的情况,提出了一种基于特征颜色改进的Mean-Shift算法。首先为了抑制目标模型中混入背景颜色的干扰,能够更准确的定位目标,利用目标区别于背景的特征颜色建立目标模型。接着采用均匀核函数描述目标模型,增强目标的抗遮挡能力。然后对改进目标模型求取质心,以质心为迭代初始值进行均值偏移,快速定位目标位置,解决了算法对小目标不能有效跟踪的问题。与原来的Mean-Shift算法相比,改进的算法准确性、实时性、鲁棒性都得到了提高。(2)针对目标和背景颜色相近或具有相似概率密度估计的情况,通过局部不变特征来增强目标的表征力。具体工作包括：首先研究了纹理特征和颜色特征相结合改进Mean-Shift的算法,接着研究了角点特征和颜色特征相结合的改进的Mean-Shift算法,然后提出了一种利用目标边缘改进Mean-Shift的算法。通过实验分析对比了这叁种算法的性能,其中纹理特征改进的算法准确性最高,角点特征改进的算法存在少许定位偏差,边缘特征改进的算法有一定的定位偏差,实时性最好。(本文来源于《大连理工大学》期刊2013-05-04）
欧阳飒飒,冀小平[5]（2013）在《基于灰色马尔可夫模型的均值偏移算法》一文中研究指出针对Mean Shift算法中存在的不足,提出了结合均值偏移和灰色马尔可夫预测模型的目标跟踪算法。该方法利用灰色马尔可夫模型预测目标在当前时刻的中心位置,以此点作为均值偏移算法进行目标搜索的起始位置。同时,提取目标的几何特征,根据目标的面积来改善跟踪窗口的大小,利用"目标模型"和"候选模型"之间目标特征的变化产生模型更新策略。经实验得,该方法能实时稳健地进行跟踪。(本文来源于《电视技术》期刊2013年03期）
杜凯[6]（2012）在《基于均值偏移算法的运动目标跟踪算法的研究》一文中研究指出视频目标跟踪是计算机视觉的核心技术之一，它融合了图像处理、自动控制和人工智能等众多领域，其在视频监控、医疗诊断、生物学研究、人机交互、自动驾驶及机器人等领域具有重要的科学理论意义和工程应用价值。本文以Mean Shift (MS)作为目标跟踪的核心算法，以提高目标跟踪的准确性、鲁棒性和适应性为目标，旨在解决视频目标跟踪中部分遮挡、形变、光照变化、尺度变化和跟踪矩形可调整姿态等问题。传统颜色直方图的MS算法只考虑了目标颜色的统计信息，不包含目标的空间信息，当目标颜色与背景颜色相近时，容易导致不准确跟踪或跟踪丢失。针对该问题，提出了一种自适应空间颜色直方图的MS跟踪算法。该算法根据目标对象的最新外接矩形尺寸，确定对象分块方法，根据各块的Bhattacharyya系数值，确定各块的权重系数。其中，自适应分块的颜色直方图包含了自适应分块方法和目标的空间信息；加权Bhattacharyya系数考虑到不同块对整体相似度的不同影响。研究表明，提出的算法可以动态地调整跟踪矩形水平和垂直方向的尺度，自适应地确定对象的分块方法，在部分遮挡和形变等情况下，比传统的MS算法和固定分块的MS算法具有更好的跟踪性能。考虑到传统MS算法易受光照变化、部分遮挡、图像模糊等因素的影响，引入了图像局部特征点。采用实验对比的方法从旋转不变性、尺度不变性、光照不变性、抗模糊性、跟踪精度及提取时间等六个方面，对目前最流行的六个特征点算法及描述子(BRIEF、LAZY、ORB、RIFF、SIFT和SURF)等进行比较，最终确定了SIFT作为本文采用的特征点及描述子。针对传统MS算法易受光照变化、部分遮挡和图像模糊等因素影响的问题，提出了一种融合改进MS和SIFT的跟踪算法，该方法由改进的MS跟踪算法(初定位)和SIFT特征提取、匹配和跟踪(SIFT跟踪)组成。前者即第叁章算法，后者在前者跟踪结果的基础上，采用SIFT跟踪方法得到SIFT跟踪结果。最后，通过线性加权的方法融合改进MS和SIFT的跟踪结果，获得最终的跟踪结果。研究表明，提出的算法进一步地解决了部分遮挡、光照变化和图像模糊情况下的目标跟踪问题。为了解决目标对象跟踪矩形可自适应调整姿态的问题，提出了一种融合MS和SIFT的仿射变换目标跟踪算法。将仿射变换引入到目标的候选模型中，将复杂运动跟踪问题转化为代价函数的优化问题。通过对代价函数求各仿射参数的偏导数并令其为零，求出仿射变换参数，得到MS仿射变换跟踪结果。通过SIFT对目标区和MS跟踪区进行SIFT特征提取、匹配和仿射变换参数计算，得到SIFT仿射变换跟踪结果。最终，采用线性加权的方法融合MS和SIFT跟踪结果，获得最终的跟踪结果。研究表明，提出的算法有效地解决了跟踪矩形可自适应调整姿态的问题。(本文来源于《长安大学》期刊2012-10-08）
梁来朋,黎福海,王健,徐考基[7]（2011）在《基于均值偏移算法的目标跟踪系统及其在Blackfin上实现》一文中研究指出描述了一个以Blackfin DSP为核心的图像实时采集和高速处理的运动目标跟踪系统设计。实践了一种快速匹配的均值偏移(Meanshift)跟踪算法,给出了在复杂背景下跟踪汽车的试验结果。实验证明该系统性能可靠,跟踪效果较好,并有较高的实时性。(本文来源于《计算机系统应用》期刊2011年09期）
文志强,朱艳辉,李长云,邓晓军[8]（2011）在《基于广义松弛方法的快速均值偏移算法的研究》一文中研究指出针对均值偏移算法收敛性慢的缺点,通过对加速均值偏移方法的研究,将优化算法中的松弛方法扩展为广义的松弛方法,并给出确定对角矩阵参数的方法;然后对收敛准则进行了修改.在此基础上,提出了基于广义松弛方法的均值偏移算法,并通过大量的聚类实验和图像分割实验验证了所提出算法的有效性.(本文来源于《控制与决策》期刊2011年08期）
胡淑芳[9]（2010）在《均值偏移算法在目标跟踪中的应用研究》一文中研究指出目标跟踪是指在视频序列中对感兴趣的目标进行有效的跟踪,一直都是计算机视觉领域中的一个典型问题。它在视频监控、智能交通、人机交互以及国防建设等诸多领域都有广泛的应用。在诸多的目标跟踪方法中,均值偏移(Mean Shift)算法是一种基于模板匹配的目标跟踪算法,它的核心思想是将特征的核密度估计漂移到局部极大值点,由于其计算简单、实时性好,对目标变形、部分遮挡具有一定鲁棒性,近年来成为目标跟踪领域的研究热点。本文主要的研究工作包括以下几个方面。①对目标跟踪技术及均值偏移算法的研究现状进行了分析总结。根据对跟踪问题的处理思路不同,将现有的目标跟踪方法分为基于数据驱动的方法和基于模型驱动的方法,并分析了各类算法的优缺点,为今后目标跟踪技术的研究提供了一定的理论支持。②深入研究了均值偏移算法及其在目标跟踪中的应用,对均值偏移目标跟踪算法的性能做了理论分析和实验验证。在跟踪过程中,通过手动方式在视频序列的第一帧中确定目标区域,然后在RGB颜色特征空间中建立目标模型及候选模型,利用Bhattacharyya系数衡量其相似度。以相似性最大为原则,均值偏移算法在后续帧中迭代地搜索出目标的真实位置。最后,选取几个有代表性的视频序列做为实验数据进行了仿真实验。在此基础上对算法的计算复杂度和优缺点进行了分析、总结,并指出了算法未来的主要研究方向。③对均值偏移算法中的窗口带宽选择策略进行了深入研究。在均值偏移目标跟踪算法中,带宽的取值直接关系到参与计算的像素数量和背景噪声混入的程度,而大部分研究人员往往直接按照惯例采用传统的带宽选择策略,很少有人对此问题进行探讨。针对这个问题,本文通过实验分析了不同带宽选择策略对跟踪算法的影响,利用跟踪准确度和时间代价两个性能指标对其进行比较,说明了传统的基于半对角线的带宽选择策略在实际跟踪过程中效果较好。④提出了一种基于相似椭圆的双带宽选择策略,并将其纳入到传统均值偏移目标跟踪算法中。通过构造一个与目标区域内接椭圆的相似椭圆,利用其长轴和短轴确定核函数带宽。该方法提高了窗宽中所包含的目标像素点比例,有效地减小了背景噪声对跟踪算法的影响。仿真实验结果表明,使用本文带宽选择策略的均值偏移跟踪算法,提高了跟踪算法的精度,有效地降低了算法的时间代价。(本文来源于《重庆大学》期刊2010-04-01）
陈加,吴晓军,蔡荣[10]（2010）在《GPU并行加速的均值偏移算法》一文中研究指出为克服mean shift算法计算复杂度高、运行速度慢的缺点,提出一种基于GPU的快速mean shift算法.首先使用k-means算法对图像像素进行预分类,之后在预分类、下采样后缩小的数据集上进行mean shift聚类,以有效地降低算法复杂度.此外,借助GPU的通用计算功能对k-means和mean shift分别进行并行了处理.实验结果表明,通过对图像进行预处理,有效地提高了几何模板查找在强噪声、低信噪比图像中的识别率;同时,改进后的mean shift算法的运行速度提高了近40倍,满足了高速机器视觉检测的实时性要求.(本文来源于《计算机辅助设计与图形学学报》期刊2010年03期）
均值偏移算法论文开题报告
（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：
目标跟踪技术是现代科技的一项重要技术,是计算机视觉技术领域的一项极其重要的课题。它的发展将直接推动智能科技的发展。均值偏移算法是目标跟踪的一个极其重要的计算方法,它以其独有的抗尺度变化、旋转变化、人工干预系数少,在现代目标跟踪领域表现着极其重要的作用。但是并不是所有的跟踪技术它对其都能达到很好的效果。为此,文章从实际工程学角度分析了该算法,并通过两组跟踪实例来指出该算法的优势与不足之处。指出该算法的直接利用之处和修改后间接利用的方向。
（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。
均值偏移算法论文参考文献
[1].王伟涛,梅寒剑.基于均值偏移算法的双摄像机目标跟踪[J].计量与测试技术.2018
[2].李湘文,周玲,尹福成.均值偏移算法在扩展目标跟踪技术上分析[J].舰船电子工程.2018
[3].康青杨,吴尽昭,沈强,赵志军.一种基于路径的快速均值偏移算法[J].计算机应用与软件.2013
[4].刘丹.视频目标跟踪中的均值偏移算法研究[D].大连理工大学.2013
[5].欧阳飒飒,冀小平.基于灰色马尔可夫模型的均值偏移算法[J].电视技术.2013
[6].杜凯.基于均值偏移算法的运动目标跟踪算法的研究[D].长安大学.2012
[7].梁来朋,黎福海,王健,徐考基.基于均值偏移算法的目标跟踪系统及其在Blackfin上实现[J].计算机系统应用.2011
[8].文志强,朱艳辉,李长云,邓晓军.基于广义松弛方法的快速均值偏移算法的研究[J].控制与决策.2011
[9].胡淑芳.均值偏移算法在目标跟踪中的应用研究[D].重庆大学.2010
[10].陈加,吴晓军,蔡荣.GPU并行加速的均值偏移算法[J].计算机辅助设计与图形学学报.2010