学位论文 > 优秀研究生学位论文题录展示

智能监控中对运动目标的检测和测距技术研究

作　者: 李峰
导　师: 唐昊
学　校: 合肥工业大学
专　业: 计算机应用技术
关键词: 运动目标检测运动目标跟踪码书模型卡尔曼滤波单目测距
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 62次
引　用: 0次
阅　读: 论文下载

内容摘要

智能视频监控系统是利用计算机视觉技术对观测到的视频信息进行处理、分析和理解，从而实现对运动目标的监测。随着计算机和图像处理技术的不断发展，智能视频监控系统的研究和设计在工业生产、交通运输、安全监控等领域受到了广泛的关注，已成为计算机视觉领域中一个重要的研究课题。运动目标的检测、跟踪和测距算法的设计是影响智能视频监控系统效果的重要组成部分。合理有效的算法可以大幅提高对运动目标的识别精度，改善智能视频监控系统的性能。因此，本文主要从算法设计的角度上对该问题进行了研究，主要工作和贡献如下：1.在目标检测方面；针对动态背景下运动目标检测的准确性和快速性要求，比较了常用的几种检测方法（如：帧间差分法、背景差分法、光流法等）和基于背景建模的算法，并针对其在复杂动态背景中对运动目标检测的不足，提出了一种改进的码书建模运动目标检测方法。该算法是在原码书模型基础上，通过将每个像素点从RGB颜色空间转换为HSV颜色空间计算其颜色扭曲度，从而使背景的码字分离出来并作为背景模型。同时考虑到运动目标在光照情况下存在阴影现象，使用HSV颜色空间对运动目标阴影进行处理。实验结果表明，在复杂动态背景下，该方法能够快速、准确地检测出运动目标，从而为后续的运动目标跟踪和测距奠定了基础。2.在目标跟踪方面；以检测出的运动目标为基础，对运动目标进行跟踪。首先简单地介绍了运动物体跟踪算法的基本原理以及一些主流的跟踪算法。然后着重研究了基于卡尔曼滤波的运动物体跟踪算法，并实现了其利用运动物体运动属性对运动目标的跟踪。最后通过仿真实验结果证明了，基于卡尔曼滤波的运动目标跟踪算法能够较好地预测运动目标信息，实现稳定的运动目标跟踪。3.在目标测距方面，首先简单地分析了单目、双目及多目的视觉测距的优缺点，并结合实际问题的需要，提出了基于单目视觉的运动目标的测距方法。首先根据小孔成像原理，得到成像点和目标点的映射关系，建立线性模型。其次通过成像的基本原理和成像点与目标点的几何关系，获取图像的深度信息。最后通过摄像机标定对目标点的成像坐标进行修正，进而得到目标点的位置信息。实验结果表明，基于单目视觉的运动目标的测距方法能较为精确和快速地测量出摄像机到运动目标的水平距离，具有实用意义。

全文目录

摘要  5-6
ABSTRACT  6-8
致谢  8-13
第一章绪论  13-18
  1.1 论文研究背景及意义  13-14
  1.2 国内外研究现状及面临问题  14-16
    1.2.1 目标的检测和跟踪研究现状  14-15
    1.2.2 视觉测距研究现状  15-16
  1.3 本文研究的主要工作和组织结构  16-18
    1.3.1 主要工作  16-17
    1.3.2 组织结构  17-18
第二章图像处理相关预备知识  18-24
  2.1 图像的灰度均衡  18-19
  2.2 图像的滤波  19-21
    2.2.1 均值滤波  19-20
    2.2.2 中值滤波  20-21
  2.3 数字形态学处理  21-23
    2.3.1 二值图像的腐蚀和膨胀  22
    2.3.2 二值图像的开运算和闭运算  22-23
  2.4 连通性检验  23
  2.5 本章小结  23-24
第三章运动目标检测  24-38
  3.1 运动目标的检测方法  24-26
    3.1.1 帧间差分法  24-25
    3.1.2 背景差分法  25-26
    3.1.3 光流法  26
  3.2 视频的背景建模方法  26-28
    3.2.1 混合高斯(MOG)  27
    3.2.2 马尔科夫随机场模型(MRF)  27-28
    3.2.3 内核密度估计(KDE)  28
    3.2.4 码书方法(CB)  28
  3.3 改进的码书建模目标检测方法  28-32
    3.3.1 背景模型的建立  29-30
    3.3.2 颜色扭曲度和亮度扭曲度的计算  30-31
    3.3.3 前景检测和背景更新  31
    3.3.4 阴影检测  31-32
  3.4 实验结果和分析  32-37
  3.5 本章小结  37-38
第四章运动目标跟踪  38-47
  4.1 运动目标跟踪算法研究  38-40
    4.1.1 基于区域匹配的跟踪  38
    4.1.2 基于模型匹配的跟踪  38-39
    4.1.3 基于活动轮廓的跟踪  39
    4.1.4 基于特征匹配的跟踪  39-40
  4.2 基于 Kalman 滤波器的目标跟踪  40-44
    4.2.1 Kalman 滤波器的原理  40-42
    4.2.2 Kalman 滤波的实时跟踪  42-44
  4.3 实验结果及分析  44-46
  4.4 本章小结  46-47
第五章运动目标测距  47-63
  5.1 摄像机的理想模型  47-49
    5.1.1 坐标系的定义  48
    5.1.2 线性模型下的坐标变换  48-49
  5.2 摄像机的畸变模型  49-50
  5.3 摄像机的标定  50-53
    5.3.1 摄像机的标定方法  51
    5.3.2 张正友的平面标定法  51-53
  5.4 单目测距算法  53-56
  5.5 单目测距算法的实现  56-58
  5.6 实验结果和分析  58-62
  5.7 本章小结  62-63
第六章总结与展望  63-65
参考文献  65-69
硕士期间参与项目与发表论文  69-71

智能监控中对运动目标的检测和测距技术研究

内容摘要

全文目录

相似论文