一、本课题的目的及研究意义
目标追踪是计算机视觉中的一个重要研究方向，也是数字图像处理的重要研究方向。在当今互联网繁荣，数据爆发式增长的大数据时代，目标追踪算法被视为一个重要的处理步骤，有着广泛的应用领域，如：视频监控，人机交互，无人驾驶，智能交通等。
视频目标追踪算法是对视频或者连续图像中的运动图像进行追踪和标记。准确地说，目标跟踪就是针对连续的视频图像序列，将前一帧中已经标定的目标，在下一帧中定位出来。
本文旨在通过阅读经典文献和最新科研进展，对目标跟踪领域的经典算法进行综述和分类，从中选择二到三种方法进行复现和比较，并寻找适合嵌入式DSP平台的快速算法。
二、本领域研究现状综述
1 目标追踪领域的发展
视频目标追踪一直是CV领域的研究热点，也面临许多挑战。计算机仅能计算图像颜色、纹理、运动等底层视觉特征，对图像分割带来很大困难。因此，在目标追踪中，有以下四个最主要的因素导致目标追踪一直是研究的重点与难点：
遮挡：目标跟踪中最常见的挑战因素之一；
形变：通常由于目标表现外观的不断变化，导致跟踪发生漂移；
背景杂斑：跟踪的目标周围有非常相似的目标对跟踪造成了干扰；
尺度变换：目标在运动过程中的由远及近或由近及远而产生的尺度大小变化的现象。
目标追踪自从20世纪50年代研究人员提出以来，在研究前期理论进展缓慢。60年代提出了基于贝叶斯估计的理论研究，并首次应用于目标追踪，随后卡尔曼滤波理论框架也应用于目标追踪。在过去二三十年中，目标追踪有了很大的进步。90年代，粒子滤波框架与原有目标追踪框架进行融合，使目标追踪算法更加充实。2012年，AlexNET框架的提出，使目标追踪的发展得到巨大提升。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
