论文总字数：19784字

摘 要

科学技术的高速发展使得目标跟踪技术逐渐受到瞩目，本文的课题是基于均值漂移实时目标跟踪算法研究，主要任务是实现高精度实时目标追踪，解决尺度变化、光线变化、背景杂斑等问题，并能成功应用于无人机上。论文的主要内容如下：

首先，论述本论文研究的背景及意义等。研究目前跟踪算法的两大分类模型，并对这两类模型即生成式模型、判别式模型进行分析。提出目前判别式模型被主要广泛应用的原因。其次，介绍判别式模型的典型算法KCF相关滤波跟踪算法、生成式模型的典型算法GOTURN算法的基本原理，找出两个算法各自的优缺点，指出在无人机的应用中的需要弥补的问题。最终比较得出判别式模型的代表算法较为适合应用于无人机目标追踪。接着，对目标跟踪器的整个流程进行梳理分析后，根据上述比较，在判别式模型中寻找较为合适的算法，提出了均值漂移算法。相比于前几个算法，均值漂移算法解决了一些专门对于tello无人机的噪声、实时性问题。

最后，提出改进算法并通过实物拍摄进行了验证。并用matlab模拟仿真软件进行了应用。实验结果表明本文选择的研究算法能够很好的应用于tello无人机。

关键词：tello无人机 目标跟踪 实时性 目标遮挡 尺度变化

Real time target tracking algorithm based on mean shift

Abstract

The target tracking technology has gradually attracted attention because of the rapid development of science and technology. The subject of this paper is the research of real-time target tracking algorithm based on mean shift which is to achieve high-precision real-time target tracking and so on. The main contents of this paper are as follows：

Firstly,this paper discusses the background and significance of the study.The basic principles of KCF correlation filter tracking algorithm, a typical algorithm of discriminant model, and return algorithm, a typical algorithm of generative model, are introduced. The advantages and disadvantages of the two algorithms are found out, and the problems that need to be remedied in the application of UAV are pointed out. Finally, the representative algorithm of discriminant model is more suitable for UAV target tracking. Then, After combing and analyzing the whole process of the target tracker, according to the above comparison, a more suitable algorithm is found in the discriminant model, and a mean shift algorithm is proposed. Compared with the first two algorithms, the mean shift algorithm solves some problems of noise and real-time for the Tello UAV.

At last, the improved algorithm is put forward and verified by real shooting and then it is applied by MATLAB simulation software. The experimental results show that the algorithm selected in this paper can be well applied to the Tello UAV.

Keywords: Tello UAV；target tracking；real time；target occlusion；scale change

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1课题研究背景及意义 1

1.2国内外研究现状 2

1.3目标跟踪算法的分类 3

1.4本文研究内容及章节安排 4

第二章 目标跟踪算法的分类 5

2.1引言 5

2.2 KCF相关滤波跟踪算法 5

2.3 GOTURN算法 6

2.4本章小结 10

第三章 基础理论以及均值漂移算法的分析 12

3.1引言 12

3.2 目标跟踪算法基本流程 12

3.3MeanShift均值漂移算法 13

3.4本章小结 16

第四章 实验设置与结果分析 17

4.1引言 18

4.2目标搜索试验与分析 18

4.3算法改进 23

4.5 本章小结 26

第五章 总结与展望 27

参考文献 27

致谢 29

第一章 绪论

1.1课题研究背景及意义

在无人机的拍摄中，人们通过利用计算机技术拓展人类视觉的能力，突破空间范围的约束，例如在搜救任务、边境巡查、空中交通管制等一些典型场景中，人们通过无人机进行目标感知的任务进行目标追踪。首先用无人机上安装的相机进行画面拍摄采集，找出视频中所有感兴趣的目标，对目标的的位置进行确定后可跟踪得出目标运动轨迹。接着运用目标跟踪系统对所采集的视频进行处理，对出现在动态视频中的目标进行实时识别与检测。

对于目前我们的技术来说，要在飞行不平稳的无人机上实现目标跟踪非常具有难度。因为对于运动的无人机上的目标识别跟踪技术来说，是与过去的技术不同的。传统的目标识别和跟踪的方法是针对固定的摄像机的检测，具有摄像机固定，无自身产生的噪声干扰、目标清晰等优点，因此成像质量较高。而针对无人机却是具有多变的因素：在无人机的运动过程中，无人机较大的位置移动会导致背景动态；在其飞行过程中，无人机振动噪声也会导致图像成像质量不高，有模糊成像的出现，有时还会出现超出视野、低分辨率、旋转等挑战，这些都会使得目标识别成功率降低。因此，无人机要在自身运动等诸多干扰的情况下实现清晰的目标跟踪是一项具有挑战的任务。具体的挑战主要有以下几点：

（1）复杂目标运动

请支付后下载全文，论文总字数：19784字