计算机视觉的单目标算法研究开题报告(3)
后要对粒子集进行重采样，使得新的采样集中各粒子的权重相等。
3.2本课题的重点
被跟踪目标信息使用情况的不同，可将视觉跟踪算法分为基于对比度分析的目标跟踪、基于匹配的目标跟踪和基于运动检测的目标跟踪。基于对比度分析的跟踪算法主要利用目标和背景的对比度差异。基于匹配的跟踪主要通过前后帧之间的特征匹配实现目标定位。基于运动检测的跟踪主要根据目标运动和背景运动之间的差异。
3.3本课题的难点
在目标跟踪的初始化过程中，利用前M 帧的跟踪结果及其背景构分别构造样本集合中的正例与反例， 获得构建2M 个训练样本，提取了HOGC 特征；同样，在跟踪过程中， 采用类似堆的先进先出形式对样本集中的样本进行实时替换，即将最新的跟踪正例和反例样本替换样本集合中样本j j _ {( , )}, 1...j j traning set j M 提取了HOGC 特征；同样，在跟踪过程中， 采用类似堆的先进先出形式对样本集中的样本进行实时替换，即将最新的跟踪正例和反例样本替换样本集合中样本。
4 解决问题的方法、手段、措施等
拟采取的方法和技术
（1）通过motion约束限定下一次特征点的检测区域。这样SURF点的提取必须结合其他的方法进行优化。而最直接的限定区域的方法就是MS方法。其利用上一次的检测区域特征（颜色直方图）在新的一帧内搜寻最优位置。
（2）不同尺度的目标检测到SURF点的数目可能不同，采取在一段较小的时间段内进行SURF点的更新，以适应新的尺度。
4.1 选择的工具
Matlab工具 计算机 稀疏算法
4.2 工作进度安排
了解目标跟踪过程中的常见问题，学习Matlab/OpenCV软件的使用。
完成算法设计。
设计系统仿真调试。
完成毕业设计论文，整理相关程序及文件。
论文完善与答辩。
5 论文提纲
摘 要
目 录
第一章绪论
第二章 目标跟踪算法基础
第三章 基于综合特征稀疏表示的目标跟踪算法
总结与展望
参考文献
附录：主要符号对照表
上一篇：汽车制动钳体加工设计开题报告
下一篇：铜液还原加热器的设计开题报告