学位论文 > 优秀研究生学位论文题录展示

复杂背景下视频运动目标跟踪算法研究

作　者: 胡满
导　师: 黄翼虎
学　校: 青岛科技大学
专　业: 控制理论与控制工程
关键词: 目标跟踪 CAMShift算法 模型更新 Kalman滤波 OpenCV
分类号: TP277
类　型: 硕士论文
年　份: 2013年
下　载: 5次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着国际化进程的推进,国防和人身安全问题受到越来越多的关注。智能监控系统在保障国家安全运行和社会稳定中发挥着不可替代的作用,而视频运动目标跟踪技术对智能监控系统的正常运行起至关重要的作用。目前现有的目标跟踪算法都具有一定的局限性,为了提高跟踪算法的稳定性和准确性,并且为满足在不同场景下目标跟踪的需求,本文提出了改进的CAMShift算法。通过对传统CAMShift算法的深入分析,本文主要从以下三个方面改进CAMShift算法：一是当图像中有少量像素干扰或者受光照等因素的影响时,跟踪窗口的大小也会不稳定,因此在这种情况下可以将反向投影图转化为二值图像,并对二值图像进行几何和形态学处理,这种方法可以最大限度的降低干扰。二是当图像序列为动态背景时,由于CAMShift算法基于静态的颜色模型,也就是贝叶斯定律的分母保持不变,使固定的背景模板不能与动态的背景像素相匹配,最终导致传统的CAMShift算法的跟踪效果欠佳。针对这一问题本文通过对每一帧中搜索窗口内的颜色模型更新,而不是只更新背景颜色直方图,保证得到的结果与跟踪目标保持一致。这样就可以用不断更新的颜色模型来替代贝叶斯定律的分母,使目标模型能与动态的颜色模型实时匹配。三是当有遮挡发生时,容易产生目标丢失的现象,为了解决这一问题本文通过计算Bhattacharya系数来判断是否发生遮挡,将Kalman滤波融入到自更新的CAMShift算法中,可以实现遮挡情况下的跟踪。对静态有背景干扰、静态有遮挡、动态背景干扰、光照变化等情况,利用OpenCV视觉函数库在C++6.0环境中编程实现,并对跟踪结果进行分析和比较。跟踪结果表明与传统的CAMShift算法相比,改进的跟踪算法的实用性更强、准确性更高、稳定性更可靠。为目标的行为识别和解释等更高层问题提供了底层数据和理论基础,具有重要的理论和实际应用价值。

全文目录


摘要  3-4
ABSTRACT  4-9
1 前言  9-13
  1.1 课题研究的目的  9
  1.2 课题研究的意义  9-10
  1.3 课题研究的背景  10-11
  1.4 目前跟踪算法的不足  11-12
  1.5 文章结构安排  12-13
2 目标跟踪的基本理论  13-24
  2.1 典型的目标跟踪模型  13
  2.2 图像预处理  13-14
  2.3 目标检测技术  14-16
  2.4 图像特征分析与提取  16-19
  2.5 常见的目标跟踪算法  19-23
    2.5.1 基于估计的滤波跟踪算法  19-20
    2.5.2 基于运动信息的跟踪方法  20-21
    2.5.3 基于相关匹配的目标跟踪  21-23
  2.6 本章小结  23-24
3 运动目标跟踪算法研究  24-39
  3.1 颜色直方图  24-25
  3.2 反向投影图  25-26
  3.3 Mean-shift算法  26-31
    3.3.1 Mean-shift数学模型  27-28
    3.3.2 目标模型表达与跟踪算法  28-30
    3.3.3 Mean-shift算法步骤  30-31
  3.4 CAMShift算法  31-33
  3.5 CAMShift算法跟踪效果图  33-38
  3.6 本章小结  38-39
4 改进的CAMShift算法研究  39-51
  4.1 改进反向投影  39-40
  4.2 改进的CAMShift算法  40-46
    4.2.1 基于贝叶斯理论的CAMShift算法  41-42
    4.2.2 自适应背景模型的CAMShift算法  42-43
    4.2.3 改进的CAMShift算法实现  43-45
    4.2.4 自适应背景模型与CAMShift的不同之处  45-46
  4.3 Kalman滤波器  46-50
    4.3.1 kalman滤波的数学模型  47-48
    4.3.2 融合Kalman滤波的CAMShift算法  48-50
  4.4 本章小结  50-51
5 基于OpenCV的跟踪算法实现  51-59
  5.1 OpenCV的特点  51-52
  5.2 OpenCV的结构和内容  52-53
  5.3 算法核心函数  53-58
    5.3.1 cvCaIcBackProject()  53-54
    5.3.2 cvMeanShift()  54-55
    5.3.3 CamShift()  55
    5.3.4 cvKalman  55-58
  5.4 本章小结  58-59
6 实验结果分析  59-67
  6.1 光照下跟踪效果图  59
  6.2 改进CAMShift算法跟踪效果  59-64
  6.3 遮挡和背景干扰时跟踪效果  64-66
  6.4 本章小结  66-67
总结与展望  67-68
参考文献  68-72
致谢  72-73
攻读硕士学位期间发表的学术论文目录  73-74

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. 空间交会接近视觉测量方法研究,TP391.41
  5. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  6. 移动机器人视觉检测和跟踪研究,TP242.62
  7. 陀螺稳定吊舱控制系统设计,TP273
  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. 基于机器视觉的车辆检测和车距测量方法研究,TP274
  12. 基于运动目标轨迹分析的智能交通监控系统,TP277
  13. 无线传感器网络的目标定位跟踪算法研究,TN929.5
  14. 非稳定背景下的运动目标检测与鲁棒跟踪方法研究,TP391.41
  15. 大型耙吸挖泥船动力定位控制算法研究,U674.31
  16. 基于改进光流场模型的医学图像非刚性配准算法研究及实现,TP391.41
  17. 基于视频流的快速人脸检测与实时跟踪算法研究,TP391.41
  18. 人脸检测系统研究,TP391.41
  19. 面向细胞操作的微机器人系统若干关键技术研究,TP242
  20. 驾驶员眼睛开闭状态计算机图像识别技术开发,TP391.41
  21. 基于小波和Kalman滤波的GPS数据去噪方法研究,P228.4

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 自动化系统 > 监视、报警、故障诊断系统
© 2012 www.xueweilunwen.com