《基于动态图像序列的目标跟踪方法研究与实现》-毕业论文.docVIP

《基于动态图像序列的目标跟踪方法研究与实现》-毕业论文.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE 精品 精品 机电系本科毕业设计(论文)任务书 **** 同学(专业 / 班级: **** ) 现下达毕业设计(论文)课题任务书,望能保质保量地认真按时完成。 课题名称 基于动态图像序列的目标跟踪方法研究与实现 主要任务 与目标 运动目标的分割与跟踪是应用视觉领域的一个重要课题。视频数据库、虚拟现实、智能房间、以及安全监控等技术的应用都需要对运动目标进行分割和跟踪,并对运动目标的行为做出解释,因此,对运动目标识别与跟踪也成了视觉研究中的一个重要问题。 本课题要求完成人体或其它运动目标的跟踪。要求学生学习跟踪算法的基本原理及视频图像中图像处理的基本方法,从拍摄的视频图像中提取运动目标,利用跟踪算法进行跟踪,并研究其跟踪性能。 主要内容与 基本要求 本课题的主要研究内容包括: 1、对运动目标跟踪的国内外研究现状进行总结归纳; 2、研究视频图像序列中图像处理的基本方法; 3、掌握跟踪算法和运动目标跟踪的理论知识; 4、在理论分析的基础上,针对视频图像序列中的运动目标,编程实现基于跟踪算法的运动目标跟踪,并对跟踪结果进行分析。 本课题要求学生在理论分析的基础上,采用MATLAB或VC++或VB编程实现运动目标跟踪。 主要参 考资料 及文献 阅读任务 根据选题学生的情况确定开发语言,并参考相应书籍。 查阅中文文献10篇以上,外文文献2篇以上,撰写2000字以上的文献综述。 外文 翻译任务 阅读2篇以上(10000字符左右)的外文材料,应完成合计2000汉字以上的英译汉翻译。 计划进度: 起止时间 内容 2009.09.29~2009.11.20 完成开题报告、文献综述、英文翻译并上交 2009.11.21 开题报告答辩,成绩评定 2009.11.22~2009.12.11 学习并编程实现图像序列的读取及预处理 2009.12.12~2010.01.22 学习跟踪算法原理并编程实现 2010.01.23 毕业设计中期检查 2010.01.24~2010.03.19 完善程序,开始撰写毕业论文,为毕业答辩做准备 2010.03.20 论文初稿上交,指导教师评阅 2010.03.21~2010.03.23 根据导师意见,再次修改论文和程序 2010.03.24 论文定稿上交,评阅教师评阅 2010.03.27 毕业设计第一次答辩 2010.05.15 毕业设计二次答辩 2010.05.29 毕业设计三次答辩 实习地点 西城校区 指导教师 签 名 签名: 年 月 日 专业负责人意见 签名: 年 月 日 精品 文 献 综 述 毕业设计题目: 基于动态图像序列的目标 跟踪方法研究与实现  基于动态图像序列的目标跟踪方法研究与实现 **** *** 0888班 Xb0****** 1 前言 近年来,计算机视觉的研究重点已逐渐从静态图像的研究过渡到动态图像序列的研究。动态图像序列的运动目标跟踪是模式识别、图像处理、计算机视觉等领域的综合应用。对图像中的目标进行实时跟踪在军事、工业、科学研究方面都具有重要的意义。例如虚拟现实环境、模拟训练、自动导航、机器人目标捕获等方面[1~2]。 人们对图像序列中运动目标的跟踪做了大量深入的研究,提出了许多行之有效的方法。但时至今日,一个稳健准确并且高性能的方法依然是一个具有明显挑战意义的研究课题。这种挑战绝大多数是来自图像序列中的图像变化和多个运动物体存在。图像变化的主要因素有:运动目标的位置变化或目标变形、照明条件的变化、背景干扰(如在风中摇摆的树木)、摄像机的抖动、运动目标的阴影以及运动目标的自遮挡或互遮挡现象等[1]。常用的解决方法是采用多特征以及兴趣点跟踪的方法。但目前所有的流行方法都不足以做到对光照、多运动目标的鲁棒性[2],跨越这几个技术障碍的总体趋势是将多个(颜色、轮廓)综合各类方法(混合高斯模型、人工智能等)与统计学习方法相结合[3]。 2 目标跟踪研究现状 在过去的二三十年中,人们对运动目标跟踪作了大量深入的研究,提出了很多行之有效的方法。如美国 Microsoft Research的Version Technology Group等,国内的中国科学研究院计算所、清华大学、复旦大学、浙江大学等,也都取得了一定的成果。下面对当前运动目标跟踪的研究现状进行简单介绍。 2.1 基于模型的跟踪 基于模型的跟踪是通过一定的先验知识对所跟踪目标建立模型,然后通过匹配跟踪目标,并实时更新模型。 传统的运动物体表达方法有如下三种[4]: 线图法.该方法将各个部分以直线来近似表示,例如,Karaulova [5]建立了人体运动学的分层模型,用于单目视频序列中人

您可能关注的文档

文档评论(0)

咪蒙 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档