对象检测与跟踪算法研究开题报告.docx

精品文档毕业设计（论文）开题报告课题名称视频对象检测与跟踪算法研究学生姓名学号专业班级一、选题的目的意义 近些年来，数字视频技术发展日新月异，在人们的日常生活中占据了很大地位，在军事、医疗、教育、公安等各个专业领域也起到了重要作用。视频对象检测和跟踪的相关研究便是数字视频技术的一个分支，在智能监控、人机交互、身份识别等方面具有广泛的应用前景和商业价值。 数字视频在经过对象分割处理后，分离为前景和背景。对象检测仅对前景进行检测，减少了算法所需的工作量，在检测到对象之后，在后续帧中能对该对象的位置进行跟踪定位。视频对象检测和跟踪的研究从上世纪便已经开始，得益于近二十年计算机技术和信号处理技术的发展，研究变得日益成熟，但依旧面临很多问题。由于视频及图像数据包涵丰富的时空信息，计算机仅能计算图像颜色、纹理、运动等底层视觉特征，对图像分割带来很大困难。在对象跟踪中，视频中环境的光照、遮挡物、复杂背景和快速目标运动的处理都是研究的难点。 本次将对几种视频分割和对象跟踪的算法进行研究，分析其优缺点。并对算法进行改良和综合，找到应用效果更优良的算法。二、国内外研究综述 近些年由于智能监控系统、人机交互等领域的发展，视频对象检测与跟踪的课题成为了一大热点，受到很多科研人士的重视。 国内外都有很多专注研究视频对象检测算法的机构，国内如清华大学、南京理工大学、中国科学院自动化研究所；国外如美国麻省理工学院（MIT）的媒体实验室和人工智能实验室，卡内基梅隆大学（CMU）的人机交互学院，Illinois大学的Backman研究所等。视频对象检测与跟踪算法也是众多国内外学术会议所讨论的主题，IEEE的FG（International Conference on Automatic Face and Gesture Recognition)、ICPR(International Conference Pattern Recognition)、CVPR(Conference on Computer Vision and Pattern Recognition)这些国际会议上，每年都会发表视频对象检测的相关论文。 视频对象检测与跟踪是将视频分解为视频帧，在每帧的图像中进行对象检测及跟踪。可用对象分割技术将图像的分离为前景和背景，再对前景进行对象检测。现在实用的视频对象分割方法有：基于变化检测的分割、基于运动的分割、基于背景建模的分割、基于时空融合的分割、基于跟踪的分割。主要的跟踪算法有：基于均值漂移的方法、基于Kalman滤波器的方法、基于遗传算法的方法、基于Monto Carlo的方法以及多假设跟踪的方法。 目前的视频分割技术并不能对所有视频都进行一致分割，具有一定的局限性。根据不同的视频流，不用的压缩率，要选择不同的算法进行分割。对象检测和跟踪的算法也因为客观因素存在各种优缺点。三、毕业设计（论文）所用的方法视频对象分割的算法研究对象跟踪的算法研究用matlab进行仿真对对象分割和跟踪算法改良四、主要参考文献与资料获得情况1 邢延超，皇甫伟 数字视频处理原理及DSP实现 电子工业出版社 2011年12月2 毛燕芬;施鹏飞;基于对象的视频分割研究A;信号与信息处理技术第一届信号与信息处理联合学术会议论文集C;2002年3 王琳 视频运动目标跟踪中有关问题的研究 西北大学 2006年5月4 赵瑶 运动目标与跟踪算法研究 山东大学 2008年5月5张德丰 MATLAB数字图像处理 机械工业出版社 2009年6Hai Feng Sang; Chao Xu; Dan Yang Wu; Jing Huang. Research on the Real-Time Multiple Face Detection, Tracking and Recognition Based on Video. Huang.Mechanics and Materials 2013.08 p. 4427Huang, K.S and Trivedi, M.M.Robust real-time detection, tracking, and pose estimation of faces in video streams.Proceedings of the 17th International Conference on Pattern Recognition, 2004.p. 965 - 9688Dhanani, Suhel, Parker, Michael. Digital Video Processing for Engineers : A Foundation for Embedded Systems Design. 2012.099Neri, A. Automatic moving object and background separation. Signal Processing 1998.04 p. 219 - 23210Adrian Kaehler ;Dr. Gary Rost Bradski. Learning OpenCV 200811Xing, Junliang; Ai, Haizhou; Lao, Shihong. Hierarchical video object segmentation. The First Asian Conference on Pattern Recognition, 2011 p. 67 - 7112 Wilson, William; Birkin, Phil; Aickelin, Uwe. The motif tracking algorithm. nternational Journ