学位论文 > 优秀研究生学位论文题录展示

关于运动人体跟踪算法的研究

作　者: 贺长伟
导　师: 王欣
学　校: 山东大学
专　业: 信号与信息处理
关键词: 人体跟踪图像处理多级中值滤波双Haar小波贝叶斯估计
分类号: TP391.41
类　型: 硕士论文
年　份: 2007年
下　载: 322次
引　用: 4次
阅　读: 论文下载

内容摘要

视觉跟踪问题是当今计算机视觉领域的研究热点。随着社会公共安全体系的逐步完善，公共场所中对安全智能监控系统的要求越来越高，这使得许多知名公司和科研机构在此课题中投入大量人力财力。人体运动目标的检测与跟踪使视觉跟踪的重要部分，它在未来研究领域中将有广阔的前景并能带来巨大的社会效益。人体跟踪主要包括三部分重要内容：视频图像预处理，人体目标检测，运动跟踪。本文主要的工作如下：1．利用摄像机对运动目标进行视频采集，由于外界干扰或机器自身的变化很容易使图像被噪声污染，于是对每帧图像进行处理分析前，我们必须进行预处理使画面平滑。本文在介绍几种经典去噪算法的基础上，提出了两种新的去噪方法。方法一是利用小波算法跟多级中值滤波相结合，在图像的高频信息中实现滤波再进行重构；方法二是把双Haar小波与Wiener滤波算法结合，并在窗口方向的选择上提出了改进。试验表明这两种算法能够在去噪的同时保护好原图像的细节信息，得到较高的信噪比结果。2．人体目标检测也是跟踪过程中的一个难点，要实现从复杂的背景中把我们需要的目标分离出来。通常我们把背景分为静态和动态两种，在室内或者高速公路上背景一般不会发生大的变动，只有光照等影响图像的亮度，可认为静态背景；而在室外，当背景比较复杂时，也会发生较明显的变化，比如风吹动的树叶、飘动的白云、起伏的波浪等等，这种情况我们把它归为动态背景。静态背景的目标检测我们用背景差分的方法，只需要对背景进行相应的更新。动态背景中我们提出了一种基于贝叶斯模型的目标检测方法，利用两邻帧图像的相关性能够较好的将目标与动态背景区分开来。试验表明能达到较好的检测效果。对人体进行有效的检测后，就需要对其进行相应的分析，我们把每个个体用矩形框进行锁定，定义矩形的中心点为每个目标的特征点，利用其在图像中的坐标表示他的位置，下一步估计其运动轨迹，实现跟踪。本文分为五个部分。第一部分首先阐述了课题的研究背景、意义及该领域的发展现状；第二部分介绍了图像预处理的经典算法并提出新方法，对试验结果进行分析比较；第三部分介绍了目标检测的内容，对静态和动态背景分别进行讨论，对新算法进行详细的阐述并得到相关试验结果；第四部分是运动目标分析，给出大量试验图片；第五部分提出了研究展望及后续研究的主要内容。

全文目录

中文摘要  8-10
ABSTRACT  10-12
第一章绪论  12-19
  1.1 课题的研究背景及意义  12-13
  1.2 课题的发展现状  13-18
    1.2.1 图像的预处理  15
    1.2.2 运动目标的检测  15-16
    1.2.3 人体运动跟踪  16-18
  1.3 本文安排  18-19
第二章图像预处理  19-36
  2.1 经典图像滤波  19-25
    2.1.1 线性滤波器─均值滤波器  19-21
    2.1.2 非线性滤波器─中值滤波器  21-22
    2.1.3 多级中值滤波  22-24
    2.1.4 软门限去噪  24-25
  2.2 新的图像滤波算法  25-35
    2.2.1 基于多级中值滤波的小波去噪方法  25-29
    2.2.2 基于双 Haar 小波的 Wiener 滤波去噪算法  29-35
      2.2.2.1 双 Haar 小波滤波理论  29-31
      2.2.2.2 Wiener 滤波算法  31-32
      2.2.2.3 基于 Wiener 滤波的双 Haar 小波去噪方法  32-33
      2.2.2.4 试验结果  33-35
  2.3 小结  35-36
第三章人体运动目标的检测  36-52
  3.1 基于静止背景的目标检测  36-44
    3.1.1 背景模型建立和更新  37-38
    3.1.2 静态背景下的目标检测  38-40
    3.1.3 噪声滤波  40-42
    3.1.4 阈值选取的讨论  42-44
      3.1.4.1 动态阈值  42
      3.1.4.2 小波域确定阈值  42-44
    3.1.5 静态背景部分小结  44
  3.2 动态背景估计及动态目标检测  44-52
    3.2.1 非参数核密度函数估计的思想  45-46
    3.2.2 核密度函数在目标检测中的应用  46-47
    3.2.3 贝叶斯模型的目标检测  47-51
    3.2.4 动态部分小结  51-52
第四章运动目标分析  52-61
  4.1 形态滤波  52-55
  4.2 区域连通  55-57
  4.3 运动目标分析  57-60
    4.3.1 水平投影  57-58
    4.3.2 垂直投影  58-60
  4.4 小结  60-61
第五章结束语  61-62
参考文献  62-67
致谢  67-68
攻读学位期间发表的学术论文  68-69
学位论文评阅及答辩情况表  69

相似论文

基于CCD图像传感器的温度测量技术研究,TH811
基于FPGA的数字图像处理基本算法研究与实现,TP391.41
雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
机械臂视觉伺服系统的研究,TP242.6
数字图像处理在集装箱检测中的应用研究,TP274.4
半成型结构在休闲女装中的应用,TS941.2
基于视觉的番木瓜外观品质检测技术研究,S667.9
基于机器视觉的光纤几何参数检测研究,TN253
羊绒与羊毛纤维鉴别系统的研究,TS101.921
基于计算机视觉对“次郎”甜柿外部品质检测与分级的研究,S665.2
基于图像处理技术的两相流动特性描述,TP391.41
车牌识别系统中车牌定位算法的研究,TP391.41
基于FPGA高清视频车辆检测系统的设计与实现,TP391.41
群控电梯客流密度实时识别技术研究,TP391.41
基于神经树的人脸识别方法研究,TP391.41
数字型仪表自动识读系统研究,TP391.41
智能清分机的管理和应用软件设计,TP391.41
沉积物岩心灰度图像处理技术及其在东海内陆架高分辨沉积记录中的应用,P736.21
车载路面裂缝检测图像处理系统的设计与实现,TP391.41
基于3G网络的智能交通视频监控系统的设计与实现,TP391.41