学位论文 > 优秀研究生学位论文题录展示

运动目标检测和跟踪算法研究

作　者: 卢绪军
导　师: 赵勋杰
学　校: 苏州大学
专　业: 光学
关键词: 目标检测 目标跟踪 Surendra算法 Mean Shift算法 Snake模型
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 59次
引　用: 1次
阅　读: 论文下载
 

内容摘要


运动目标的检测和跟踪是计算机视觉领域的热门课题,也是智能视频监控系统中最基本、应用最广的智能分析技术,具有十分重要的理论意义和使用价值。论文主要研究了基于视频序列的目标检测和跟踪算法,并对常用的检测与跟踪算法做了进一步的改进与完善。在运动目标检测方面,本文使用背景减除法检测运动目标。背景提取和背景更新选择的是速度较快的Surrender方法。为了解决建立背景过程中目标检测问题,在背景提取期间,采用帧差法检测目标。在获取背景后,使用背景减除法检测运动目标,并采用Surrender算法进行背景更新。在运动目标跟踪方面,本文深入研究了Mean Shift算法和Cam Shift跟踪算法,并进一步比较分析了两种算法的优点和局限性。对于一种能继承Mean Shift算法的速度快和鲁棒性强的特点,又能实现跟踪窗的自适应变化的算法研究是本论文的重点。其中,判断跟踪目标的变化趋势是解决此问题的关键。为此,本文引入了活动轮廓模型,利用Mean Shift算法中的跟踪窗作为活动轮廓模型的轮廓初始化,既能解决活动轮廓模型初始化的关键问题,又能分割出正在跟踪的目标区域。本文在Mean Shift跟踪算法中连续分割目标区域,通过比较得到目标区域的变化趋势,进而实现了跟踪窗的自适应变化。实验证明,基于活动轮廓的Mean Shift核窗宽自适应算法可以很好实现跟踪窗随目标尺度的变化而相应改变,这种变化既适合目标变小的情景,也适合目标增大超出跟踪窗的情况,且较之Cam Shift跟踪算法有很好的鲁棒性。

全文目录


中文摘要  4-5
Abstract  5-10
第一章 绪论  10-17
  1.1 课题研究背景及意义  10-11
  1.2 研究现状及发展趋势  11-15
    1.2.1 主要研究机构及成果  11-13
    1.2.2 运动目标检测研究  13-14
    1.2.3 运动目标跟踪研究  14-15
  1.3 本文的主要工作及内容安排  15-17
    1.3.1 本文的主要工作  15-16
    1.3.2 本文的内容安排  16-17
第二章 视频图像中运动目标检测和跟踪算法研究基础  17-24
  2.1 引言  17
  2.2 彩色模型  17-19
    2.2.1 RGB 彩色模型  17-18
    2.2.2 HSV 彩色模型  18-19
    2.2.3 RGB 模型到HSV 模型的转化  19
  2.3 图像的预处理方法  19-21
    2.3.1 彩色图像的灰度化  20
    2.3.2 图像的滤波  20-21
  2.4 图像的后处理方法  21-23
  2.5 本章小结  23-24
第三章 运动目标检测  24-37
  3.1 运动目标检测算法概述  24-25
    3.1.1 帧差法  24
    3.1.2 背景减除法  24-25
  3.2 几种常见背景减除算法  25-30
    3.2.1 时间上的均值滤波方法  25-26
    3.2.2 Surendra 算法  26-28
    3.2.3 混合高斯模型  28-30
    3.2.4 本文方法  30
  3.3 本文运动目标检测算法  30-36
    3.3.1 本文算法原理  31-32
    3.3.2 实验结果及分析  32-34
    3.3.3 检测结果的后处理  34-36
    3.3.4 特征提取  36
  3.4 本章小结  36-37
第四章 运动目标跟踪  37-63
  4.1 引言  37
  4.2 Mean Shift 跟踪算法  37-49
    4.2.1 无参密度估计理论  38-40
    4.2.2 Mean Shift 算法原理  40-44
    4.2.3 基于Mean Shift 的目标跟踪算法  44-47
    4.2.4 算法实现和结果分析  47-49
  4.3 Cam Shift 算法  49-53
    4.3.1 CamShift 算法原理  49-51
    4.3.2 实验结果及分析  51-53
  4.4 关于Mean Shift 和Cam Shift 两种跟踪算法的讨论  53-54
  4.5 基于活动轮廓的Mean Shift 核窗宽自适应算法  54-62
    4.5.1 活动轮廓模型简介  55-57
    4.5.2 基于活动轮廓的Mean Shift 核窗宽自适应算法的可行性分析  57-59
    4.5.3 基于活动轮廓的Mean Shift 核窗宽自适应算法  59
    4.5.4 实验仿真及其结果比较分析  59-62
  4.6 本章小结  62-63
第五章 总结与下一步工作  63-65
  5.1 总结  63-64
  5.2 下一步工作  64-65
参考文献  65-69
攻读硕士学位期间发表学术论文情况  69-70
致谢  70-71

相似论文

  1. 带径向速度观测的跟踪算法研究,TN953
  2. 基于VRPF的机动目标跟踪的研究,TN957.52
  3. 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
  4. 双传感器图像联合目标检测及系统实现研究,TP391.41
  5. 空间交会接近视觉测量方法研究,TP391.41
  6. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  7. 移动机器人视觉检测和跟踪研究,TP242.62
  8. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  9. 红外图像目标识别及跟踪技术研究,TP391.41
  10. 空间红外目标仿真与跟踪技术研究,TP391.41
  11. 基于运动目标轨迹分析的智能交通监控系统,TP277
  12. 无线传感器网络的目标跟踪算法研究,TN929.5
  13. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  14. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  15. 基于粒子滤波的目标跟踪算法研究,TP391.41
  16. 无线传感器网络定位及目标跟踪的研究,TN929.5
  17. 基于KLT与Mean-Shift的目标跟踪研究,TP391.41
  18. 无线传感器网络分布式目标检测研究,TP212.9
  19. 嵌入式安瓿瓶液剂异物在线检测系统研制,TP368.1
  20. 嵌入式目标检测与跟踪系统设计及算法实现,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com