导读:本文包含了运动对象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:对象,在线,卡尔,模型,目标,形态学,算子。
运动对象跟踪论文文献综述写法
周小黎,王媛[1]（2015）在《基于运动对象跟踪的FGS视频编码算法研究》一文中研究指出文中阐述了基于Open CV运动对象跟踪的FGS视频编码方案,利用Open CV强大的库文件和开放的源代码自适应地跟踪视频图像中所有运动的对象,并将其定义为感兴趣的区域优先编码,在一定程度上改善了视频图像的质量且计算复杂度低,提高了视频图像的主观视觉效果。(本文来源于《电脑知识与技术》期刊2015年29期）
宋成章,李哲,张天凡,何传邦,何振[2]（2015）在《基于OpenCV3的运动对象识别和跟踪研究》一文中研究指出针对视频中运动对象识别和跟踪问题,提出一种基于Open CV3的运动对象识别和跟踪图像检测方法。采用光流法获取运动目标特征区域并将其作为连续自适应均值漂移算法的初始参数,实现对特定区域内利用颜色特征进行目标跟踪。(本文来源于《福建电脑》期刊2015年10期）
赵云芳,张伟,张永才[3]（2013）在《基于改进Camshift算法的运动对象跟踪研究》一文中研究指出论文改进了传统的Camshift算法,利用时间差分法来获取运动视频初始跟踪窗口的同时,提出了一种检测跟踪丢失并进行及时校正的机制;解决了传统算法由于摄像机的抖动、运动对象的不规则运动以及场景的切换等因素造成的目标丢失问题,保证了目标跟踪的实时性和有效性。(本文来源于《计算机与数字工程》期刊2013年07期）
沈盼盼[4]（2012）在《视频序列中运动对象检测与跟踪的研究》一文中研究指出随着高新科技的蓬勃发展,在智能监控、影视制作等领域,计算机视觉已是不可或缺的重要技术。运动目标的检测和跟踪作为该技术中最具活力与挑战性的研究方向之一,在科学研究和日常生活中日益凸显出其重要意义和应用价值。本文分别研究了静态背景下运动目标的检测方法,以及单目标的跟踪方法。通过学习已有研究成果,针对背景图像提取速度慢、准确度低的问题,提出一种RGB空间像素点变化统计和中值法相结合的背景建模法。针对目标运动缓慢的序列难以提取背景的问题,改进了一种利用帧差图像的边缘信息提取运动对象的方法。针对目标的形变和旋转、被遮挡、变大或缩小、以及受光照或多个相似物的干扰等问题,提出基于局部加权图像的粒子滤波跟踪方法。仿真结果表明,两种检测方法能实时提取运动目标,本文的跟踪方法能对目标准确跟踪。主要内容如下：1.提出一种基于RGB空间像素点变化统计和时间中值法结合的背景提取方法,运动区域的检测在叁个通道独立进行,然后取并集,并将本文方法与混合高斯法的检测结果及检测速率作对比。2.改进了一种利用帧差图像的边缘信息提取运动对象的方法,利用目标运动的帧间相关性,结合边缘检测提取目标边缘,经填充提取前景区域,对比了本文方法与相关文献方法的两种检测结果。3.对比分析了MS(均值漂移)、KF(卡尔曼滤波)、PF(粒子滤波)叁种传统跟踪算法,仿真比较了它们的跟踪效果。提出基于局部加权图像的粒子滤波跟踪方法,首先获取局部加权图像,然后以该图像中目标区域的加权直方图为特征进行跟踪,充分利用了像素点的局部空间信息,仿真比较了本文算法与其它基于粒子滤波的跟踪算法的两种实验结果。实验表明,本文的背景提取方法能建立准确的背景,目标检测结果比混合高斯法更准确,检测速率更快。本文利用边缘信息的检测方法结果比较理想,提取的目标边缘精细度高。本文提出的基于局部加权图像的跟踪算法在目标形变、大小变化,受强光、相似物干扰时能准确对其跟踪,并且能自动调节跟踪框大小(本文来源于《电子科技大学》期刊2012-04-01）
黄天云[5]（2011）在《视频序列中的运动对象检测和跟踪算法(英文)》一文中研究指出视频序列中的运动对象检测和跟踪算法在视频分析、计算机视觉、侦察、监控等诸多应用领域起着非常重要的作用.文中从低层图像特征角度对该问题进行了概述.对于运动对象检测,分析了基于结构化特征的进展、基于生物学研究、自底向上、激励驱动的可视化关注模型、综合时域信息的复合时空关注模型、DCT系数分析和运动场分析;对于运动对象跟踪,强调了粒子过滤系统、尺度不变特征变换(SIFT),均值偏移,以及几者的组合应用.对压缩域运动对象跟踪也作为一个重要方面进行了分析,介绍了一种仅利用运动矢量的压缩域运动对象跟踪算法.(本文来源于《西南民族大学学报(自然科学版)》期刊2011年03期）
郑夜星,林其伟[6]（2010）在《基于运动对象跟踪的改进精细可分级视频编码》一文中研究指出针对感兴趣区域问题,对增强层的编码加以改进,提出基于运动对象跟踪的FGS(Fine Granularity Scala-ble)视频编码方法.该方法利用了OpenCV(开源计算机视觉库),实现运动对象的检测与提取,通过提取,将运动对象作为感兴趣区域,进行位平面提升,优先传输.并在基本层上引入提高编码效率的单环算法,进一步提高视频主观与客观质量.实验结果表明,算法在大部分的码率范围内ROI区域的PSNR值高于整体区域的PSNR值,对背景静止的视频序列,效果理想.(本文来源于《微电子学与计算机》期刊2010年12期）
余弦[7]（2010）在《基于轨迹的视频运动对象的检测与跟踪技术研究》一文中研究指出运动目标的检测和跟踪技术是计算机视觉领域的重要研究课题,广泛应用于智能安全监控、军事控制、医疗诊断、多媒体检索等方面,具有重要的实用价值和广阔的发展前景。针对检测跟踪过程中遮挡、光照强度剧烈变化、噪声干扰等问题,本文提出了一种基于轨迹的运动对象检测与跟踪方法。本文采用了一种基于主颜色模型的视频图像分割方法,来得到候选区域。首先将图片特征由RGB空间转换到HSV空间,以消除亮度变化对检测结果的影响;然后利用色度和饱和度分量检测出非球场区域,并对图像进行二值化;再通过霍夫变换检测出球场线,并将其去除;最后通过必要的形态学处理后,获得视频图像的二值化初始分割。通过提取候选区域的轮廓特征和区域特征,粗选出候选对象。本文还提出了一种基于轨迹的运动对象检测与跟踪方法,对运动对象进行预测并验证。在算法中,首先保存粗选后得到的候选对象,采用卡尔曼滤波器进行预测跟踪,通过预测验证的方式来生成初始轨迹;然后定义轨迹间的距离,并通过Dijkstra最短路径算法选择出真实运动对象生成的运动轨迹,从而间接的确定了视频图像中的运动对象的具体位置。此外,结合卡尔曼滤波器预测和线性插值,补充视频中漏检的球的位置。实验结果表明,算法能够克服遮挡和光照变化等影响,检测跟踪效果稳定,且具有较高的实时性和准确性。(本文来源于《上海交通大学》期刊2010-01-01）
梁大为[8]（2009）在《视频运动对象跟踪技术研究》一文中研究指出视频运动对象跟踪是计算机视觉的一个基本问题,具有广阔的应用前景,可以应用到视频监控、视频分析、机器人和智能人机交互等领域。运动对象跟踪的主要目的是获得运动对象在视频中的轨迹及运动参数,如,位置、尺度等。运动对象跟踪算法主要由表观建模和运动建模两个核心部分组成。本文分别针对这两个问题进行研究。在表观建模方面,本文采用的主要方法论是前景(即被跟踪对象)背景联合建模,分别提出一种基于在线特征选择的对象跟踪方法和一种基于增量二维线性判别分析的对象跟踪方法。在运动建模方面,本文以广播足球视频中的足球跟踪为背景,提出一种基于图模型的对象跟踪方法。最后,本文以提出的运动对象跟踪方法为基础,开发了一个从广播足球视频生成叁维卡通动画的系统。具体地,本文的主要研究内容如下:第一,提出一种基于在线特征选择的对象跟踪方法。该方法将对象跟踪看成前景背景像素点分类问题,采用贝叶斯错误率评价每一个特征的分类能力,并选择具有最小错误率的若干个特征构建贝叶斯分类器组合。然后,贝叶斯分类器组合被用来赋予当前视频帧的像素点属于前景像素点的概率。最后,粒子滤波被用来在概率图上对运动对象进行跟踪。一种新的同时考虑了区域和边界信息的粒子滤波观察模型被提了出来。此外,借助一种叫做积分图像的数据结构,粒子滤波的观察模型可以被快速地计算出来。第二,提出一种基于增量二维线性判别分析的对象跟踪方法。该方法将对象跟踪看成前景背景区域分类问题,直接在二维图像矩阵上进行线性判别分析,提取具有前景背景区分性的子空间。由于直接在图像矩阵上进行操作,该方法具有很高的计算效率。而传统的线性判别分析方法需要将二维图像矩阵展开成一维向量,然后再进行线性判别分析,这样带来了代价较高的矩阵运算。此外,我们还开发了增量地更新子空间的方法,这进一步降低了所需的存储开销和计算代价。最后,粒子滤波被用来对对象的运动参数进行推断。第叁,提出一种基于图模型的对象跟踪方法。对象跟踪方法一般采用对象检测算法进行初始化,其基本假设是对象的模式和周围背景相比具有足够的可分性。但是,对于一些对象,如,广播足球视频中的足球,很难提取有效的特征在单一的视频帧中对其进行检测。本文采用的策略是在连续的若干个视频帧中确定对象的候选区域,然后采用图模型建立候选区域之间的关系。具体地,每一个候选区域对应图的一个结点,相邻视频帧的两个候选区域之间用边连接。每个结点被赋予一个权值用来表示其是对象区域的可能性;同样地,每条边被赋予一个权值用来表示边上的两个结点对应同一个区域的可能性。最后,Viterbi算法被用来提取图的最优路径作为对象的运动轨迹。这个过程被称为短时跟踪。然后,用其初始化一个卡尔曼滤波器对对象进行长时跟踪。在跟踪过程中不断地对被跟踪区域进行校验,以确定跟踪是否失败,从而判断是否需要重新启动短时跟踪。第四,开发了一个从广播足球视频生成叁维卡通动画的系统。在对体育赛事进行转播的过程中,通常有多部摄像机布置在场地的周围,但是,在同一时间观众只能看到一部摄像机转播的视频。用户希望从另外的视角观看比赛的进行。此外,每逢重大的体育比赛后,一些门户网站会提供进球片段的动画演示。但是,制作动画耗时耗力,而且只提供了单一的视点。鉴于此,基于前面开发的运动对象跟踪方法,本文综合利用计算机视觉和计算机图形学技术开发了一个可以生成足球比赛叁维卡通动画的系统。它的特点是允许用户从不同的视角观看比赛的进行。(本文来源于《哈尔滨工业大学》期刊2009-09-01）
姚彬,史萍[9]（2009）在《视频运动对象的检测与跟踪技术研究》一文中研究指出在计算机视觉、视频监控等领域中,视频运动对象的检测与跟踪技术在很多应用中起着重要作用。本文根据固定单摄像头的特定应用,在对叁种常用运动检测算法即背景差法、帧差法和光流法进行分析比较的基础上,选择背景差法来进行运动对象的检测。运动对象产生的阴影和运动对象本身有许多相同的特征,在背景差法中,阴影随着运动对象一起被检测出来,为后续的处理带来麻烦,因而本文选择了最大色度差分法进行阴影抑制。为了得到比较理想的运动对象区域,本文采用了形态学方法进行处理。在用于跟踪对象的常用特征中,本文选取了最小外接矩形框的方法,取得了比较满意的跟踪效果。(本文来源于《图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集》期刊2009-04-01）
杨文佳,窦丽华,张娟[10]（2009）在《一种自动分割跟踪视频运动对象的方法》一文中研究指出针对视频图像中单个运动对象的分割和跟踪问题,提出了一种基于时空离散度的视频对象分割跟踪算法。该算法首先采用时空离散度进行运动对象区域的粗定位;然后通过形态学算子来进行细定位,并获取运动物体的二值模型;再然后使用部分Hausdorff距离实现后续帧中运动对象模型的匹配;最后为了容纳运动对象在视场中形状的变化,在图像距离空间中引入了欧几里德范数作为约束条件来完成运动物体模型的更新。实验表明,在运动对象跟踪过程中相邻位置差未超过2个像素点,从而验证了算法的有效性。(本文来源于《光学技术》期刊2009年02期）
运动对象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：
针对视频中运动对象识别和跟踪问题,提出一种基于Open CV3的运动对象识别和跟踪图像检测方法。采用光流法获取运动目标特征区域并将其作为连续自适应均值漂移算法的初始参数,实现对特定区域内利用颜色特征进行目标跟踪。
（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。
运动对象跟踪论文参考文献
[1].周小黎,王媛.基于运动对象跟踪的FGS视频编码算法研究[J].电脑知识与技术.2015
[2].宋成章,李哲,张天凡,何传邦,何振.基于OpenCV3的运动对象识别和跟踪研究[J].福建电脑.2015
[3].赵云芳,张伟,张永才.基于改进Camshift算法的运动对象跟踪研究[J].计算机与数字工程.2013
[4].沈盼盼.视频序列中运动对象检测与跟踪的研究[D].电子科技大学.2012
[5].黄天云.视频序列中的运动对象检测和跟踪算法(英文)[J].西南民族大学学报(自然科学版).2011
[6].郑夜星,林其伟.基于运动对象跟踪的改进精细可分级视频编码[J].微电子学与计算机.2010
[7].余弦.基于轨迹的视频运动对象的检测与跟踪技术研究[D].上海交通大学.2010
[8].梁大为.视频运动对象跟踪技术研究[D].哈尔滨工业大学.2009
[9].姚彬,史萍.视频运动对象的检测与跟踪技术研究[C].图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集.2009
[10].杨文佳,窦丽华,张娟.一种自动分割跟踪视频运动对象的方法[J].光学技术.2009