学位论文 > 优秀研究生学位论文题录展示

基于视频的运动目标检测和跟踪技术

作　者: 杨阳
导　师: 唐慧明
学　校: 浙江大学
专　业: 信息与通信工程
关键词: 运动目标检测 背景建模 目标跟踪 行人车辆检测分类 摄像机自动跟踪
分类号: TP391.41
类　型: 硕士论文
年　份: 2014年
下　载: 206次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着视频监控规模的不断扩大,仅仅使用人力对成千上万的监控摄像头进行在线监视、对海量监控视频进行分析已经不能满足需求。由于智能监控不需要在人为干预情况下对摄像机采集的图像序列进行自动分析,因此成为未来发展的趋势。论文主要研究运动目标检测、跟踪技术,并且围绕智能监控系统中的实际应用展开论述。一方面,对监控系统记录的视频进行智能分析,提取感兴趣目标。另一方面,自动控制摄像机对目标进行实时跟踪,扩展监控范围。首先,论文研究基于背景建模的运动目标检测算法。根据算法采用的基本原理将其分为四大类,并在每一类中选择几种典型算法进行详细介绍,相应地给出实验结果和分析。对混合高斯模型算法中存在的不足进行了阐述,并给出改进方法。考虑到原有算法没有利用空间和时间相关性,提出了一种利用邻域信息计算先验概率的方法。该方法能够有效地削弱图像噪声、摄像机晃动、树叶摆动等干扰对检测结果的影响,同时提高目标分割的完整性。其次,论文研究目标跟踪算法。介绍了几种典型算法：卡尔曼滤波,LK光流法,Camshift以及基于Tracking-Learning-Detection的方法等。给出算法的基本原理,对算法进行实验分析。论文还介绍了基于视频的行人车辆检测与分类的具体应用。该应用可以分为图像预处理、目标检测、跟踪、分类和模型估计五个阶段。目标分类阶段提出一种以目标面积为特征,采用EM聚类来实现行人车辆分类的方法。模型估计阶段,利用统计历史信息,对场景中不同位置目标面积进行拟合。最后根据应用需要,给出实际监控视频的测试结果、数据及其分析。最后,论文介绍了摄像机自动跟踪应用。该应用包含目标检测、动态背景下的目标跟踪和摄像机控制三个模块。模块之间需要协调优化,在保证实时性的前提下准确地判断目标位置。论文给出了对测试序列和实际监控视频跟踪的实验结果和分析。

全文目录


致谢  4-5
摘要  5-7
Abstract  7-9
目录  9-12
第一章 绪论  12-15
  1.1 选题背景与研究意义  12-13
  1.2 国内外研究现状与方向  13-14
  1.3 本文组织结构  14-15
第2章 基于背景建模的运动目标检测  15-37
  2.1 引言  15
  2.2 简单背景建模法  15-19
    2.2.1 平均背景法  15-16
    2.2.2 分块平均背景法  16-19
  2.3 基于统计信息建模法  19-28
    2.3.1 基于参数估计背景建模法：混合高斯模型  19-23
    2.3.2 混合高斯模型改进  23-26
    2.3.3 基于无参数估计建模法：核函数法  26-28
  2.4 背景预测法  28
  2.5 基于模糊数学建模  28-33
    2.5.1 基于传统模糊系统  29-30
    2.5.2 二型模糊系统  30-33
  2.6 非背景建模法  33-36
    2.6.1 帧差法  33-34
    2.6.2 光流法  34-36
  2.7 本章小结  36-37
第3章 目标跟踪  37-48
  3.1 引言  37
  3.2 卡尔曼滤波器  37-39
  3.3 LK光流法跟踪  39-42
  3.4 CAMSHIFT  42-46
  3.5 基于检测的跟踪算法  46
  3.6 本章小结  46-48
第4章 基于视频的行人车辆检测与分类  48-62
  4.1 引言  48
  4.2 图像预处理  48-50
    4.2.1 颜色空间转换  48-49
    4.2.2 白平衡  49-50
  4.3 运动目标检测  50-52
  4.4 目标分类  52-53
  4.5 固定场景下的目标跟踪  53-57
    4.5.1 无遮挡下目标跟踪  54-56
    4.5.2 目标相互遮挡情况下的目标跟踪  56-57
  4.6 模型估计  57-59
  4.7 MMX和SSE优化  59
  4.8 实验结果  59-61
    4.8.1 颜色分类结果  59-60
    4.8.2 行人车辆分类结果  60-61
  4.9 本章小结  61-62
第5章 基于摄像机自动跟踪应用  62-68
  5.1 引言  62
  5.2 系统框架  62
  5.3 跟踪流程  62-66
    5.3.1 跟踪目标选取  63-64
    5.3.2 动态场景下的目标跟踪算法  64-65
    5.3.3 摄像机控制  65-66
  5.4 实验结果  66-67
  5.5 本章小结  67-68
第6章 总结与展望  68-70
  6.1 全文总结  68-69
  6.2 展望  69-70
参考文献  70-75
附录  75

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. 基于运动目标轨迹分析的智能交通监控系统,TP277
  4. 视频运动目标跟踪方法研究,TP391.41
  5. 基于视觉的人体行为检测识别研究,TP391.41
  6. 基于全方位视觉的多运动目标检测、跟踪与定位,TP391.41
  7. 基于鱼眼相机的运动目标检测算法的研究与实现,TP391.41
  8. 基于混合高斯的背景建模与更新算法的研究与实现,TP391.41
  9. 嵌入式多参数环境智能监测系统的设计与实现,TP274
  10. 安防监控系统中运动目标检测算法研究,TP391.41
  11. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  12. 运动目标检测与跟踪的研究,TP391.41
  13. 动态场景下运动目标检测与跟踪算法研究,TP391.41
  14. 基于贝叶斯理论的运动目标检测算法研究,TP391.41
  15. 目标检测系统中背景建模算法研究及DSP实现,TP391.41
  16. 基于监控视频中运动目标自动检测与跟踪算法的研究与实现,TP391.41
  17. 基于视频检测技术的智能隧道交通安全监控系统,TP277
  18. 视频运动目标检测若干关键算法研究,TP391.41
  19. 智能视频监控中的目标检测与跟踪技术,TP391.41
  20. 排球视频中的运动目标检测与跟踪,TP391.41
  21. 设备维护中的增强现实技术研究,TP391.9

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