笔记 基于OpenCV的目标跟踪软件与系统实现
2017-03-02 20:38
477 查看
1、目标检测理论包括光流法、帧间差分法和背景差分法,
目标分割理论包括全局阈值法和局部阈值法,
目标跟踪的均值漂移法和卡尔曼滤波法。
2、基于opencv的目标跟踪软件设计于实现
在vc环境下,按照单文档/多视图的结构组建了一个多文档/多视图的软件架构。
3、帧间差分法虽然算法简单,程序复杂度低,实时性好,但对阈值的选择有很大依赖性,过低时,抑制不了图像中的噪声。过高时,忽略了过多有用的像素点,而且对纹理均匀的目标来说,运动的过快或过慢,算法的结果都不理想。这在一定程度上限制了它的使用。
4、如果背景图像处于静止状态,除了运动目标区域变化外,其余均保持这种情况是背景差分法的理想情况
5、目标跟踪技术跟踪方法分为四大类:
基于区域的跟踪,基于特征的跟踪,基于变形模板的跟踪、基于模型的跟踪。
应用比较广泛的有基于MeanShift的目标跟踪方法,
6、在目标跟踪系统中,软件系统是整个系统的核心。一般来说,软件系统要完成以下的任务:
较好的控制整个系统的运行、合理的调度分配系统资源、实时的处理分析数据、友好的显示测量结果等。
7、本文采用多文档、多视图应用程序与对话框应用程序相结合的方式;
8、从功能划分,程序结构可以分为三大工程模块。一是图像采集和获取模块,二是跟踪数据处理和分析模块,三是实时数据显示模块
目标分割理论包括全局阈值法和局部阈值法,
目标跟踪的均值漂移法和卡尔曼滤波法。
2、基于opencv的目标跟踪软件设计于实现
在vc环境下,按照单文档/多视图的结构组建了一个多文档/多视图的软件架构。
3、帧间差分法虽然算法简单,程序复杂度低,实时性好,但对阈值的选择有很大依赖性,过低时,抑制不了图像中的噪声。过高时,忽略了过多有用的像素点,而且对纹理均匀的目标来说,运动的过快或过慢,算法的结果都不理想。这在一定程度上限制了它的使用。
4、如果背景图像处于静止状态,除了运动目标区域变化外,其余均保持这种情况是背景差分法的理想情况
5、目标跟踪技术跟踪方法分为四大类:
基于区域的跟踪,基于特征的跟踪,基于变形模板的跟踪、基于模型的跟踪。
应用比较广泛的有基于MeanShift的目标跟踪方法,
6、在目标跟踪系统中,软件系统是整个系统的核心。一般来说,软件系统要完成以下的任务:
较好的控制整个系统的运行、合理的调度分配系统资源、实时的处理分析数据、友好的显示测量结果等。
7、本文采用多文档、多视图应用程序与对话框应用程序相结合的方式;
8、从功能划分,程序结构可以分为三大工程模块。一是图像采集和获取模块,二是跟踪数据处理和分析模块,三是实时数据显示模块
相关文章推荐
- 基于OpenCV的运动目标检测跟踪系统在PC上的软件设计流程
- 基于Opencv的目标检测与跟踪阴影去除算法实现
- 《OpenCV 3计算机视觉:Python语言实现》学习笔记——目标跟踪中基本运动检测的思考
- OpenCV学习笔记(二十六)——小试SVM算法ml OpenCV学习笔记(二十七)——基于级联分类器的目标检测objdect OpenCV学习笔记(二十八)——光流法对运动目标跟踪Video Ope
- Opencv基于CamShift算法实现目标跟踪
- 基于ARM11的嵌入式linux系统移植与实现--(笔记一)
- 基于J2EE平台Web系统的软件测试研究和实现
- 基于粒子滤波器的目标跟踪算法及实现
- 目标跟踪之粒子滤波---Opencv实现粒子滤波算法
- 基于ARM11的嵌入式linux系统移植与实现--笔记三
- 基于MeanShift的目标跟踪算法及实现
- OpenCV学习笔记(二十八)——光流法对运动目标跟踪Video
- 基于JAVA的水泥三维图像特征提取系统设计与实现 之一 JAVA 3D学习笔记
- 我的OpenCV学习笔记(3):基于混合高斯模型GMM的运动目标检测
- 基于OpenCv的人脸检测、识别系统学习制作笔记之三
- 目标跟踪学习笔记_1(opencv中meanshift和camshift例子的应用)
- (学习笔记二)——基于opencv人脸检测原理及实现
- (学习笔记二)——基于opencv人脸检测原理及实现
- 目标跟踪学习笔记_(opencv中kalman点跟踪例子)
- OpenCV学习笔记——Kalman滤波做运动目标跟踪