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的研究及实现

作 者: 支祖利
导 师: 高智勇
学 校: 中南民族大学
专 业: 生物医学工程
关键词: 运动目标检测 运动目标跟踪 ViBE算法 ABCShift算法
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 19次
引 用: 0次
阅 读: 论文下载
 

内容摘要


随着科学技术水平的不断发展,人们的生活水平不断提高,人们的安全意识也越来越高,这使得视频监控技术得到了高速发展。视频监控系统大致可分为五个部分:视频采集器、传输电缆、界面控制、画面显示器、信息存储器,在界面控制这一部分,主要是对画面中的运动目标进行分析,如检测画面中是否存在可疑目标、对可疑目标进行跟踪等。本文所研究的内容主要是视频监控的界面控制部分中最为核心的算法部分—检测运动物体和对对运动物体进行跟踪。对运动目标检测和跟踪算法的研究已经进行了几十年,涌现出了大量的运动目标检测和跟踪的算法,但是就目前应用来看还没达到一个成熟的阶段,所提出的算法鲁棒性还不够强,在不同的环境下还需要设计不同的核心算法。本文对运动目标检测和跟踪算法进行了深入研究,主要工作包括:运动目标检测算法研究。介绍了几种常用的检测运动物体的算法:帧间差分法,背景差分法,单高斯建模法,ViBE法(背景抽取法),对各个算法进行了理论分析和实验分析。其中ViBE算法具有计算量小,实时性好,运算速度快等优点,应用较为广泛,但是当运动目标运动量不大时,ViBE算法会产生漏检问题。本文提出一种结合单高斯模型的ViBE算法,利用单高斯模型的敏感性,弥补ViBE算法在检测较小运动量的目标时产生的漏检的缺陷。改进算法的基本思想是:首先利用单高斯模型对视频图像序列进行运动目标检测,将检测后的视频序列图像作为ViBE算法的输入再次检测,由于单高斯模型具有运算速度快、敏感性好等特点,可以有效检测出运动微小的运动目标,有效解决ViBE算法漏检的问题,经实验证明了改进后的算法具有实时性好,检测效率高,对自然环境变化(如光照、天气变化等)有很好适应性。运动目标跟踪算法研究。分析了几种跟踪运动目标的常用算法:基于滤波理论的Kalman算法,基于迭代搜索的MeanShift算法,基于颜色特征的CamShift算法。深入研究了自适应窗口的MeanShift跟踪算法—CamShift跟踪算法和ABCshift算法。ABCshift算法针对CamShift算法容易受到类目标颜色背景干扰的缺陷进行了改进,但是当目标被短暂严重遮挡时搜索框中的主模态发生改变,通常会导致跟踪结果失败等问题,本文对此进行了深入的研究并提出了改进的方案。通过在ABCshift算法中引入Kalman滤波器来预测目标在当前帧中的位置,可以有效解决上述两个问题。改进算法的基本思想是:在CAMShift算法的基础上,通过对运动目标的颜色直方图做贝叶斯运算,这样可以降低运动目标中与其他相似颜色的颜色概率密度,提高目标中非类背景颜色的颜色概率密度,解决了目标受到相似颜色干扰时跟踪结果不准确的问题,引入Kalman滤波器预测目标在当前帧中的位置,有效解决目标被短暂遮挡时跟踪失败的问题,将目标的颜色信息和空间信息相结合。实验证明改进后的算法能有效完成目标跟踪,很好的解决了目标受到相似颜色干扰和目标受到短暂遮挡时跟踪失败的问题,具有很好的适应性、实时性、鲁棒性等特点。开发了运动目标的检测和跟踪系统。在WindowsXP系统下运用VS2008应用程序开发平台搭载计算机视觉OpenCV库,基于MFC框架自动生成基于对话框的应用程序,通过编写代码实现运动目标检测和跟踪系统,实现运动目标的检测和跟踪,并对系统的性能包括准确性、实时性进行测试。

全文目录


摘要  5-7
Abstract  7-10
第一章 绪论  10-16
  1.1 论文研究背景及意义  10-12
  1.2 国内外研究的状况及未来发展的趋势  12-15
  1.3 本文的主要研究工作及内容安排  15-16
第二章 运动目标检测算法的研究  16-26
  2.1 常用的运动目标检测算法  16-22
    2.1.1 帧间差分法  16-17
    2.1.2 背景减除法  17-19
    2.1.3 单高斯背景模型法(Single Gaussian Background Model)  19-21
    2.1.4 ViBE 算法(Visual Background Extractor)  21-22
  2.2 改进的结合单高斯背景模型的 ViBE 算法  22-25
  2.3 本章小结  25-26
第三章 运动目标跟踪算法的研究  26-38
  3.1 常用的运动目标跟踪算法  26-31
    3.1.1 卡尔曼滤波算法(Kalman filter)  26-28
    3.1.2 MeanShift 算法  28-29
    3.1.3 CamShift 算法  29-31
  3.2 结合 Kalman 滤波的改进 CamShift 算法  31-37
    3.2.1 自适应背景的 ABCshift 算法  31-32
    3.2.2 结合 Kalman 滤波的改进 ABCshift 算法  32-37
  3.3 本章小结  37-38
第四章 运动目标检测和跟踪系统的实现  38-47
  4.1 系统开发平台介绍  38-40
    4.1.1 OpenCV 中相关的数据结构  39
    4.1.2 OpenCV 中相关的函数  39-40
  4.2 运动目标检测和跟踪系统的软件实现  40-46
    4.2.1 系统的软/硬件模块  40
    4.2.2 算法实现  40-42
    4.2.3 系统运行实现  42-46
  4.3 本章小结  46-47
第五章 总结与展望  47-49
  5.1 本文总结  47
  5.2 研究展望  47-49
参考文献  49-52
致谢  52-53
附录 A:攻读学位期间所发表的学术论文目录  53

相似论文

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