1、 毕 业 设 计毕 业 设 计 院系名称院系名称 计算机与信息学院计算机与信息学院 2014 年年 05 月月 28 日日 设计题目设计题目 基于全景视频中两种跟基于全景视频中两种跟 踪算法的实现踪算法的实现 目目 录录 摘要： 1 Abstract： 2 1 绪 论. 3 1.1 课题研究背景及意义 3 1.2 国内外研究现状 5 1.3 概述 7 1.3.1 计算机视觉研究 7 1.3.2 目标跟踪技术简述 8 1.4 文章内容及安排 9 2 Meanshift 算法的实现与分析 10 2.1 Meanshift 算法概述 . 10 2.2 Meanshift 算法具体实现 . 10 2.
2、3 跟踪实验 . 13 2.4 本章小结 . 16 3 粒子滤波算法的实现与分析 17 3.1 引言 . 17 3.2 贝叶斯状态估计 . 18 3.3 粒子滤波具体实现 . 18 3.4 实验 . 21 3.5 两种跟踪算法的跟踪比较 . 25 3.6 本章小结 . 26 4 总结及展望 27 致谢. 28 参考文献. 28 附录. 30 1 基于全景视频中两种跟踪算法的实现 摘要： 目标跟踪是计算机视觉研究中的经典问题， 是指计算机或其他设备根据某 种算法对目标进行跟踪和定位， 并根据目标的位置和动向采取相应的策略。 近些年来，目标跟踪被广泛应用于视频监控、视频编码以及军事工程等各 种领域
3、。 本文的主要研究对象是基于 Meanshift 以及粒子滤波的目标跟踪算法。 Meanshift 算法是一种基于特征概率密度统计的建模方法。在跟踪过程中， 目标区域通常由用户在视频序列中选定，并建立相应的目标直方图，经过 反向投影后，Meanshift 算法在后续帧中迭代地移动到目标的质心上，从 而达到跟踪的目的。 粒子滤波算法是基于蒙特卡罗仿真的近似贝叶斯滤波 算法，对目标状态进行采样，计算样本的权值，最后用样本的加权来表示 目标状态的估计值。 本文选用相同视频分别对两种算法的跟踪性能进行了理论分析和实验比 对，发现 Meanshift 算法实时性较好，但是在复杂场景中容易丢失目标， 而粒
4、子滤波算法在初始选择框比较大时实时性较差， 但是在复杂背景下跟 踪效果较好，对背景变化不敏感。 关键词： 目标跟踪，Meanshift，粒子滤波 2 Two tracking algorithmsachievement based on panoramic video Abstract： Target tracking is a classic problem of computer vision study，it refers to a computer or other equipment uses an algorithm for target tracking and locating
5、，and take the appropriate strategy based on the targets location and movements. Recent years, target tracking is widely used in video surveillance，video encoding, and a variety of areas such as military engineering. The main object of this study is two targets tracking algorithms based on Meanshift
6、and particle filtering. Meanshift algorithm is a modeling approach based on probability density statistic. In the tracking process, the target area is usually selected by the user in a video sequence，and establish the appropriate target histogram. Mean Shift algorithm move to the target centroid iteratively in subsequent frames to achieve the goal of tracking. particle filtering algorithm is a Bayesian filtering algorithm based on Monte Carlo simulation. sampling the t
