学海网

毕业设计-基于多视角视频采集与分析的智能鼠标算法研究—目标跟踪，共50页，22658字，附开题报告等
主要内容
1. 主要研究内容
基于多视角视频采集与分析的智能鼠标算法研究主要对特定几种语义手势
及手势轨迹进行识别，通过手势的识别结果完成对鼠标的控制，本课题的主要
内容是完成其中的跟踪部分。具体包括：
1）经典meanshift、camshift和卡尔曼滤波算法的实现；
2）针对手势的特征和实际的应用环境，提出一种快速的有效的手势跟踪算
法；
3）通过实验对算法进行验证和改进；
4）完成与其他模块之间的整合与软件测试。
2. 拟完成的研究成果：
1）实现meanshift、camshift和卡尔曼滤波跟踪算法，并通过实验结果进行分
析；
2）针对具体的手势跟踪，提出有效的解决方法并进行实验验证；
3）与小组同学合作，将各模块内容融合为一个能够实现基于多视角视频采集与分析的智能鼠标的系统软件；
4）完成毕业设计论文及一篇关于手势跟踪算法的学术论文投稿。

摘要
随着计算机技术的发展，人机交互越来越成熟，图形人机交互具有简单、易懂、直观等优点，因此吸引了越来越多的人们去研究。
本文主要研究目标跟踪算法的设计与实现。基于目标颜色信息和运动信息的跟踪算法是常用的跟踪方法。Mean-Shift算法是基于颜色信息的跟踪算法中应用最广泛的算法。Mean-Shift算法能够对具有特定颜色信息的运动目标进行跟踪，在简单的跟踪背景下，该算法计算量小，对局部遮挡、目标形变具有一定的适应性。本文将以Mean-Shift算法为基础进行继续研究。
本文对传统Mean-Shift算法进行了两处改进：第一，Mean-Shift算法跟踪快速移动目标时，经常会出现跟踪丢失。本文提出了基于肤色信息的位置修正算法，可以解决因运动目标运动速度过快导致的目标跟踪丢失问题。第二，目标跟踪过程中，当目标进入相似颜色信息干扰的复杂背景时，Mean-Shift算法经常会出现跟踪丢失。Kalman滤波具有预测功能，将传统Mean-Shift算法和Kalman滤波融合，可以提高Mean-Shift算法执行效率和跟踪准确性。本文提出了Kalman滤波与Mean-Shift算法的融合算法，解决了相似颜色信息干扰情况下的跟踪丢失问题。
最后本文提出了基于Mean-Shift算法的KSMS跟踪算法(Kalman Skin Mean-Shift)，将基于肤色信息的Kalman滤波和Mean-Shift算法进行融合，解决因运动目标移动速度过快或者相似颜色信息干扰情况下的跟踪丢失问题。实验结果表明，KSMS(Kalman Skin Mean-Shift)跟踪算法对因目标运动速度过快、相似颜色信息干扰导致的跟踪丢失问题具有良好的鲁棒性。
关键词：目标跟踪；Mean-Shift算法；Kalman滤波；肤色信息；

目录
第一章 绪论 1
1.1论文的选题背景 1
1.2 目标跟踪发展现状 3
1.3本文的研究内容以及目的 5
1.4论文章节安排 7
第二章 Mean-Shift算法 9
2.1目标跟踪技术 9
2.2 总体分布的非参数估计以及Parzen窗估计 10
2.2.1 总体分布的非参数估计 10
2.2.2 Parzen 窗估计 11
2.3 Mean-Shift算法 12
2.3.1 Mean-Shift基础 12
2.3.2 Mean-Shift算法 13
2.3.3 算法实现步骤 15
2.4位置修正算法 16
2.5 Mean-Shift算法跟踪结果 22
第三章 KSMS跟踪结果 24
3.1卡尔曼滤波 24
3.2 Kalman滤波算法 25
3.2.1建立系统数学模型 26
3.2.2 滤波器计算原型 26
3.2.3 Kalman滤波预测阶段 28
3.2.4 Kalman滤波的更新 28
3.2.5 Kalman滤波参数设置 29
3.3融合的KSMS跟踪算法 30
3.4 KSMS跟踪结果 31
第四章 实验平台与结果评估 33
4.1 实验平台介绍 33
4.2 跟踪结果对比 34
4.3 结论与讨论 36
第五章 总结与设想 37
致谢 38
本科期间的成果 39
参考文献： 40

1.3本文的研究内容以及目的
人机交互技术已经越来越成熟，发展的方向也日新月异。在人机交互过程中，目标跟踪技术起到了至关重要的作用。因此目标跟踪技术具有很高的研究价值。鼠标是我们与计算机进行交流的主要交流工具，是计算机输入设备的简称。鼠标的使用是为了使计算机的操作更加简便，来代替键盘那繁琐的指令。从原始鼠标、机械鼠标、光电鼠标、光机鼠标再到如今的光学鼠标，鼠标技术经历了漫漫征途终于修成正果。毫无疑问，光学鼠标是我们所追求的终极类型，诸多优点使它成为光机鼠标无可争议的接替者。而在光学鼠标发展的近几年中，我们亲眼目睹它的飞速进步，光学引擎的更新换代带来更高的精度、更快的速度以及更经得起推敲的性能。而鼠标相关的其他技术进展也不容小觑，纵横滚轮技术蔚为潮流，给我们带来更便捷的操作体验。蓝牙技术的引入让我们尽享无线操作的自由，皮革材料和丝绸表面处理工艺让鼠标成为艺术品的同时提供了绝佳的握感。然而人们仍然希望继续简化与计算机的交流方式，希望与计算机交流方式变得更加直接。因此人机交互技术变得更加盛行，成为研究热点。
智能鼠标的研究可以简化与计算机进行交流的方式，且更加直接。本课题研究的基于多视角视频采集与分析的智能鼠标算法研究，通过不同方向的多个摄像头采集手势信息，并分析手势被赋予的含义，来执行相应的操作，从而达到控制计算机的目的。首先进行目标检测，在视频采集区域找到进行操作的手，然后进行目标跟踪，在手移动的过程中，完成对手势的跟踪任务。并将手所在区域信息传给目标分析模块。分析手势的含义，并控制计算机执行相应操作。从而达到与计算机进行交流的目的。
本课题也存在一些限制因素值得注意。
1)只适合对单个手进行跟踪，不能对多个手进行同时跟踪。
2)由于光照等因素严重影响实验结果，因此在设计场景时应注意以下几个方面。如：影子抑制、低对比度的检测目标以及光照突然改变等情况。
3)大面积相似颜色信息干扰的问题。在目标跟踪过程中，当手势进入相似颜色信息干扰的复杂背景时，容易出现目标跟踪丢失。虽然本课题能够解决小面积肤色信息干扰问题，但当运动目标长时间进入复杂背景区域时，会出现跟踪丢失。
4)运动手势移动速度的问题。在手势跟踪过程中，进行操作的手的移动速度不能过快。虽然对手势进行重新检测能够重新定位到手的位置坐标，但运动速度过快会造成视频采集信息出现虚影，对后期特征提取和识别造成不必要的困难。
5)多视角采集过程中，手的动作幅度不能太小。例如：进行鼠标移动操作，手移动很小的距离，很可能会出现识别失败，计算机无任何反应。因此在进行操控时，应使手的变化幅度尽量大。
本文的研究重点包含两方面，一方面是目标跟踪的设计以及获取目标位置信息；而另一方面也是重中之重进行算法的创新，解决传统跟踪算法因相似颜色信息干扰导致的跟踪丢失问题。
作者对课题的主要研究工作具体如下：
(1)对基于人手的目标跟踪与识别技术的现实可行性做了详细的分析。
(2)阅读了国内外大量有关目标跟踪、模式分析以及模式识等资料，对相关的学术论文和硕士论文进行了深入的研究和学习，为下面的实践工作做出充分的理论准备。
(3)具体分析了传统Mean-Shift跟踪算法的缺点，并根据Mean-Shift的缺点进行了部分改进，使其可以在相似颜色信息等复杂背景干扰下进行准确跟踪。
(4)本文提出了改进的KSMS算法（Kalman Skin Mean-Shift），即基于肤色信息约束的Kalman滤波和Mean-Shift融合的跟踪算法。利用Kalman滤波具有预测功能，对搜索窗口提前进行预测可以提高跟踪准确性。对大面积肤色信息干扰时具有良好的鲁棒性。
(5)通过实验验证了前期改进的Mean-Shift目标跟踪算法的有效性。
1.4论文章节安排
本文由五个章节组成。
第1章首先论述了目标跟踪与识别技术研究的背景和意义，随后介绍了目标跟踪的发展现状，并简单介绍了本文的研究内容以及目的，并说明了前期的主要工作重点，最后提出了解决问题的具体策略。
第2章围绕目前主流的Mean-Shift跟踪算法进行了论述，在首节介绍了近期国内外的研究热点以及发展前景，并论文了目前众多方法的优点以及不足；其次在次小节介绍了Mean-Shift跟踪算法的工作原理以及需要的相关技术作为铺垫，对一些具体技术进行了详细的透彻的分析；然后介绍了本文所采用的算法以及框架的设计思路以及设计流程，并最终通过实验验证了该算法以及框架选择的优越性。
第3章提出了KSMS跟踪算法。首节论述Kalman滤波的简介，近期国内外的发展前景，以及在目标跟踪中引入Kalman滤波的原因。然后论述Kalman滤波的原理。将Kalman滤波与Mean-Shift算法融合来实现目标跟踪。最后介绍算法的框架设计思路以及设计流程，并最终通过实验验证该算法的优越性。
第4章对全文进行总结，总结前期目标跟踪以及后期改进算法的优点，并最对目前系统框架的缺陷提出未来的研究的展望。