导读:本文包含了跟踪算法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,特征,回波,算法,尺度,深度,颜色。
跟踪算法论文文献综述写法
胡云层,路红,杨晨,花湘,彭俊[1]（2019）在《融合DSST和KCF的尺度自适应跟踪算法》一文中研究指出针对核相关滤波(kernelized correlation filters,KCF)算法无法对目标尺度变化做出响应,和判别型尺度空间跟踪(discriminative scale space tracking,DSST)算法计算效率较低,难以实现实时跟踪的问题,提出一种融合KCF与DSST的跟踪算法。用最小二乘法获得位置滤波器,检测候选样本并估计目标位置;从目标位置中心提取33种不同尺度下的梯度直方图特征作为样本训练获得尺度滤波器;在目标位置应用尺度滤波器来获得目标尺寸的准确估计。实验结果表明,该算法对目标尺度变化有较强的自适应能力,在测试集上平均速度达到103.7帧/秒,满足实时性要求。(本文来源于《计算机工程与设计》期刊2019年12期）
王殿伟,许春香,刘颖[2]（2019）在《基于多特征融合的核相关滤波目标跟踪算法》一文中研究指出为提高复杂背景下目标跟踪的精度和鲁棒性,提出一种多特征融合的核相关滤波目标跟踪算法。在海量无关图片训练集上得到深度模型,使用目标跟踪视频序列对其进行微调;从模型中提取多层深度线性特征并进行插值运算,同时提取图像序列的方向梯度直方图特征和颜色名特征;将得到的特征图通过核相关滤波计算相应的相关响应图;融合各个响应图,寻找最大响应值以确定目标位置。在OTB和VOT标准数据集上的实验结果表明,该模型具有较高的识别精度,能够在背景斑杂、光照变化、目标遮挡和变形等复杂环境下长期稳定地跟踪目标。(本文来源于《计算机工程与设计》期刊2019年12期）
任珈民,宫宁生,韩镇阳[3]（2019）在《一种改进的基于孪生卷积神经网络的目标跟踪算法》一文中研究指出目标跟踪是计算机视觉的一个重要研究方向.为了对视频序列中单个目标进行准确定位和实时跟踪,本文采用孪生卷积神经网络解决深度神经网络模型更新不及时和训练数据不足的问题;同时在孪生卷积神经网络的特征提取子模块中加入SE-Net,先利用卷积层提取图像的空间特征信息,再利用特征通道间的相互依赖关系建模,强化有效通道特征,进一步提升网络的特征表征能力,从而提升特征提取的效果;最后通过区域推荐网络进行目标定位和边框微调.本文使用OTB2015数据集进行实验,以平均覆盖率和OPE方法作为评估标准,实验结果表明平均覆盖率为66. 6%,OPE准确率图和成功率图也均显示跟踪效果优于其他算法.(本文来源于《小型微型计算机系统》期刊2019年12期）
吴剑坤,陈明轩,秦睿,高峰,张宇[4]（2019）在《变分回波跟踪算法及其在对流临近预报中的应用试验》一文中研究指出目前业务上0—1 h对流天气临近预报仍旧以客观外推为主,采用不同外推算法,得到雷达回波以及降水的外推临近预报。以业务应用为目标,开展了变分回波跟踪算法在强对流天气临近预报中的应用研究。利用京津冀地区的8部新一代多普勒天气雷达逐6 min雷达组网拼图资料,选取2016—2018年夏季发生在京津冀地区的18个典型对流个例,开展变分回波跟踪算法和交叉相关法的0—1 h临近预报对比试验及检验评估。与传统的交叉相关法相比,变分回波跟踪算法采用变分技术求解雷达回波运动矢量场,在计算中使用两个严格的约束条件,运用迭代法进行求解,其得到的运动矢量场更为准确。结果表明,变分回波跟踪算法优于传统的交叉相关法,得到的30、60 min内雷达回波的形状、位置及强度的外推预报和实况更接近,定量检验评分更高:(1)京津冀地区4次典型对流天气过程临近预报对比试验表明,和交叉相关法相比,变分回波跟踪算法可以更好地预报出未来1 h内雷达回波的位置、形态和强度。(2)通过对18个典型对流个例定量检验,发现当雷达回波强度阈值为35和45 dBz时,无论是30或是60 min外推预报,变分回波跟踪算法的命中率(POD)和临界成功指数(CSI)都明显高于交叉相关法,且虚警率(FAR)更低;分天气类型定量检验发现,绝大多数天气类型,变分回波跟踪算法外推预报效果优于交叉相关法。(本文来源于《气象学报》期刊2019年06期）
徐壮,彭力[5]（2019）在《基于KLD采样的自适应粒子滤波目标跟踪算法》一文中研究指出标准粒子滤波算法用于无线传感器网络运动目标跟踪时,非高斯噪声环境会降低其跟踪精度和计算效率。针对该问题,结合多传感器测量模型和Kullback-Leibler距离(KLD)采样方法,提出一种自适应粒子滤波算法。在满足预设阈值条件时,引入补偿函数对重要性概率密度函数(IPDF)进行迭代更新,同时利用具有自适应退火参数的模拟退火算法使粒子快速接近高似然区域。在此基础上,结合KLD采样动态调整粒子规模,在保证跟踪精度的同时减少运算量。仿真结果表明,与KLD-PF算法相比,该算法的IPDF分布接近真实后验概率密度分布,跟踪精度较高,能够在不同参数的非高斯噪声下进行有效跟踪。(本文来源于《计算机工程》期刊2019年12期）
龚红,杨发顺,王代强,丁召[6]（2019）在《一种基于背景加权的多特征融合目标跟踪算法》一文中研究指出针对均值漂移(MS)目标跟踪算法受背景环境变化干扰较大的问题,提出一种基于背景加权的多特征融合目标跟踪算法BWMMS。引入基于目标模型与目标周围背景模型差分的加权函数,细化各像素对准确描述目标的重要程度,从而提高目标模板的分辨能力。结合颜色与纹理特征进行目标跟踪,构建基于目标和目标背景区域的特征自适应融合机制,使BWMMS算法能够根据跟踪场景变化自适应调整颜色与纹理特征的权值。实验结果表明,与MS算法、HRBW算法相比,该算法对环境变化的适应性较好,能取得更鲁棒的跟踪结果,且跟踪成功率高达94.84%。(本文来源于《计算机工程》期刊2019年12期）
陈艺[7]（2019）在《改进Camshift算法的多行人目标跟踪方法》一文中研究指出针对基于颜色特征的目标跟踪方法在跟踪多个行人目标时,易受衣服颜色相近的行人影响,造成行人目标跟踪发生错误的问题,提出一种改进Camshift算法的多行人目标跟踪方法:为克服单一颜色特征作为目标模型易造成目标丢失的不足,按一定的权值系数融合目标的颜色特征和HOG特征来建立目标模型;并分别对多个行人目标建立目标模型,将传统的Camshift算法的单目标跟踪扩展成多目标跟踪。实验结果表明,该方法相比于传统Camshift算法更具鲁棒性,跟踪准确率可提升5.3%,相比于粒子滤波算法,实时性能够提升30.23%。(本文来源于《导航定位学报》期刊2019年04期）
杨玉平[8]（2019）在《基于AI的家庭智能陪护机器人的目标跟踪算法研究》一文中研究指出家庭智能陪护机器人在近年来越来越火,目标跟踪是智能机器人的重要关键技术,目前的应用还不是很普遍,效果还不是很好。Mean Shift均值漂移算法是当前目标跟踪应用较普遍的算法,但也存在受背景干扰较大、反应时间较长等问题。本文提出改进的Mean Shift均值漂移算法,通过改进核函数来降低背景对目标的干扰、缩短了反应时间,提高了目标跟踪效率。(本文来源于《价值工程》期刊2019年35期）
张宇轩,胡士强[9]（2019）在《基于多属性分类的雷达目标跟踪算法》一文中研究指出传统目标跟踪算法无法有效利用目标的属性信息,而已有的基于PN学习的雷达目标跟踪算法获取目标属性信息过少,在杂波更为复杂的实际环境中仍然存在滤波能力不足的情形。针对这一问题,提出基于SVM多属性分类器的目标跟踪滤波算法。该算法在原有的PN学习算法基础上,扩宽了系统获取雷达数据信息的维度。这些数据更好地反映了目标和杂波的特征,使得雷达识别杂波的能力增强。仿真实验表明:该算法在强杂波环境下有效地提升了目标跟踪的精度。(本文来源于《传感器与微系统》期刊2019年12期）
周越,宿佳钰,蒋柯[10]（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）
跟踪算法论文开题报告范文
（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：
为提高复杂背景下目标跟踪的精度和鲁棒性,提出一种多特征融合的核相关滤波目标跟踪算法。在海量无关图片训练集上得到深度模型,使用目标跟踪视频序列对其进行微调;从模型中提取多层深度线性特征并进行插值运算,同时提取图像序列的方向梯度直方图特征和颜色名特征;将得到的特征图通过核相关滤波计算相应的相关响应图;融合各个响应图,寻找最大响应值以确定目标位置。在OTB和VOT标准数据集上的实验结果表明,该模型具有较高的识别精度,能够在背景斑杂、光照变化、目标遮挡和变形等复杂环境下长期稳定地跟踪目标。
（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。
跟踪算法论文参考文献
[1].胡云层,路红,杨晨,花湘,彭俊.融合DSST和KCF的尺度自适应跟踪算法[J].计算机工程与设计.2019
[2].王殿伟,许春香,刘颖.基于多特征融合的核相关滤波目标跟踪算法[J].计算机工程与设计.2019
[3].任珈民,宫宁生,韩镇阳.一种改进的基于孪生卷积神经网络的目标跟踪算法[J].小型微型计算机系统.2019
[4].吴剑坤,陈明轩,秦睿,高峰,张宇.变分回波跟踪算法及其在对流临近预报中的应用试验[J].气象学报.2019
[5].徐壮,彭力.基于KLD采样的自适应粒子滤波目标跟踪算法[J].计算机工程.2019
[6].龚红,杨发顺,王代强,丁召.一种基于背景加权的多特征融合目标跟踪算法[J].计算机工程.2019
[7].陈艺.改进Camshift算法的多行人目标跟踪方法[J].导航定位学报.2019
[8].杨玉平.基于AI的家庭智能陪护机器人的目标跟踪算法研究[J].价值工程.2019
[9].张宇轩,胡士强.基于多属性分类的雷达目标跟踪算法[J].传感器与微系统.2019
[10].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