动态环境下目标识别与跟踪的研究-机械电子工程专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽 我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过 的研究成果。对本文的研究做出贡献的个人和集体，均已在文中以明确方式标明。本人完全意 识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权保留并向国 家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权华中科技大 学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描 等复制手段保存和汇编本学位论文。 本论文属于  保 密 □，在 年解密后适用本授权书。 不保密 □。 （请在以上方框内打―√‖） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 摘 要 作为机器视觉领域的重要研究分支，目标识别和视觉跟踪已经成为近年来的研究热 点。目标识别可以单独存在，也可以看做视觉跟踪的前提。他们已经被广泛地应用于视 频监控、视觉导航和军事制导等诸多领域。因此，对目标识别和视觉追踪在实验室环境 下进行研究，具有一定的现实意义。 本文首先对目标识别和视觉跟踪现有的方法进行了研究。然后详细的讨论了基于纹 理分割的目标识别方法，并且在此基础上，分别将纹理分割与卡尔曼滤波和均值漂移算 法进行结合来对目标进行跟踪。最后用实验的方法加以论证，取得了预想的效果。本文 的主要工作有： 目标识别方面，首先分析了纹理特征的提取方法，文中选用了小波包的方法对纹理 特征进行提取，然后采用四分之一圆的方法对其进行优化。然后研究了多种聚类算法， 考虑到蚁群聚类算法不依赖于初始值的选取而具有较强的鲁棒性。最终，将小波包变换 和蚁群算法想结合来对图像进行纹理分割来提取目标。 视频跟踪方面，介绍了卡尔曼滤波和均值漂移算法的原理和实现方法，并且将其与 纹理分割提取目标相结合来对目标进行跟踪。 最后，介绍了多轴直线的视觉平台的机械结构和运动控制结构。并且在其上上进行 试验，实验证明了纹理分割对目标进行识别方法准确率较高、基于纹理分割与卡尔曼滤 波和均值漂移算法相结合的目标跟踪方法的有效性。 关键词：目标识别 视觉跟踪 纹理分割 小波包变换 蚁群算法 卡尔曼滤波 均值漂 移 Abstract As an important research branch in the field of machine vision, target recognition and visual tracking have become one of the hot areas in recent years. Target recognition can exist alone, and also can be regarded as the premise of vision tracking. They have been widely used in video monitoring, visual navigation and military guidance and other domains. Therefore, studying target recognition and visual tracking in a laboratory setting has certain practical significance. Firstly, this paper does research on the existing methods of target recognition and visual tracking. Secondly, it discusses target recognition based on texture segment in detail, and based on this, it tracks the target by combining the texture segment respectively with kalman filtering and mean shift algorithm. Lastly, with the experimental method to argue, it has obtained the desired effect. This main job of this paper is as following: In Target Recognition aspect, the texture feature abstraction method