移动目标检测与跟踪关键技术的研究开题报告

 2023-11-24 08:50:47

1. 研究目的与意义

在日常生活中,人类通过眼睛感知外界的光学信息,对移动物体的敏感度较高,因为移动物体可能包含更多有用的信息。

机器视觉中的移动目标检测与跟踪是一个重要的研究领域,具有重要的研究意义。

目前,移动目标识别和跟踪已广泛应用于军工业和民用领域,如自动驾驶、虚拟现实、导航与制导、公共交通监控等。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 课题关键问题和重难点

课题关键问题有三:

1. 视频采集与预处理。

2. 移动目标检测。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 国内外研究现状(文献综述)

国外的目标检测和跟踪技术已经经历了一个多世纪的发展,实现方法也越来越成熟。从最初Wax提出的检测跟踪算法,到卡尔曼滤波在检测跟踪中的应用,再到现在各种智能跟踪等,目标检测跟踪技术已经发生了天翻地覆的变化。辅以目前计算机硬件的高速发展,为机器视觉的发展提供了更加便利的条件。总的来说,一个完整的移动目标检测与跟踪过程主要有视频采集,预处理,移动目标检测及跟踪。

视频采集与预处理:

视频采集是进行视频处理前最为重要的步骤,采集的视频的质量决定着后期处理工作量的大小。同时采集到的视频不一定清晰,往往需要进一步降噪处理,以提高视频目标检测与跟踪的效果。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 研究方案

四、方案(设计方案、研制方案、研究方案)设计及论证(不少于900字)

方案设计如下:

方案主要包含四部分内容,分别是图像采集、图像预处理、移动目标识别、移动目标跟踪。

视频采集。matlab内置有硬件支持包,可以较为轻松的实现内置摄像头调用。

图像预处理。将使用中值滤波算法,具体方法是用某种结构的二维滑动模板,将板内像素按照像素值的大小进行排序,生成单调上升(或下降)的为二维数据序列。

将78像素值的其邻域设置为33大小,对其33邻域内像素点的像素值进行排序,在该序列中,中值点的值为93,因此用该值替换原来的像素值 78,作为当前点的新像素值。

移动目标识别。目前应用于静止背景下移动目标检测的方法主要有三种:光流法、背景差分法、帧间差分法。帧间差分法,相较于差分法和光流法、帧间差分法相比体现出算法程序量较少,容易实现,且抗由背景变化而产生的干扰的能力较强。因此最终使用帧间差分法实现移动目标检测。

算法主要过程为:

1.k 帧的图像用fk(x, y)来表示,k 1 帧图像用fk 1(x, y)来表示,k 1 帧图像减去 k帧图像的绝对值表示对两张图相减,变动区域用Dk(x, y)来表示:

Dk(x,y)=fk 1(x,y)-fk(x,y)

2. 提取目标并进行二值化处理,当两张图像相减的绝对值大于等于设置的阈值时,则就将其认定为目标图像,并将其像素点设为 1,当小于阈值时,则认定为背景图像的像素点,并把背景图像的像素点设置为 0。

Rk(x,y)=amp;1,Dk(x,y)≥Tamp;0,Dk(x,y)lt;T

移动目标跟踪。目前较为常用的目标追踪算法为均值漂移算法和卡尔曼滤波算法,相较于均值漂移算法,卡尔曼算法极大的降低高斯白噪声对系统的影响,从而估算出最优的系统值。由于其卓越的性能,在导航,控制,导弹追踪,数字图像处理等领域具有极大的重要性。因此最终使用卡尔曼滤波算法实现移动目标追踪。卡尔曼滤波算法介绍如下:

设动态系统的状态方程为:

xk=Axk-1 wk-1

观测方程为:

zk=Hxk vk

xkxk-1是k,k-1时刻的状态向量,wk-1是状态在转移期间产生的噪声,vk是在 k时刻观察的过程中,产生的观测噪声。

先验估计误差ek-其协方差为:

ek-=xk-xk-1-Pk-=Eek-ek-T

同理,修正后的先验估计误差及其协方差为:

ek=xk-xkPk=EekekT

对应修正后的估计误差最小的协方差的增益矩阵Kk决定了算法的修正量,KkPk之间存在关系,这两者的关系为

Kk=Pk-HTHPk-HT R-1Pk=I-KkHPk-

5. 工作计划

第15-16周 完成选题,根据毕业设计任务书要求查找移动目标检测与跟踪相关文献和资料,理解毕设内容,明确移动目标检测与跟踪基本原理。

第17-18周 与导师沟通进行课题总体规划,完成毕业设计(论文)任务书,学生根据导师的要求进行外文翻译,列出开题报告大纲。

第19周 学习MATLAB基础知识,搭建MATLAB开发环境,撰写开题报告。

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文开题报告,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。