学位论文 > 优秀研究生学位论文题录展示

交通监控系统中目标跟踪与行为识别研究

作　者: 吕斌
导　师: 夏利民
学　校: 中南大学
专　业: 交通信息工程及控制
关键词: 目标跟踪 混合Boosting算法 混合目标检测模型 轨迹分析 行为识别
分类号: TP277
类　型: 硕士论文
年　份: 2010年
下　载: 155次
引　用: 0次
阅　读: 论文下载
 

内容摘要


智能交通监控系统能够对交通事件进行自动化检测,对行人或车辆进行智能化监视,更能适应实际应用的需要。论文主要对智能交通监控系统中的目标检测、目标跟踪、以及目标行为分析理解三个环节中存在的关键问题进行深入研究,并提出新的解决方法,主要工作体现在以下几个方面：(1)针对当前大多利用单一模型进行目标检测存在的问题,比如高误检率,光照敏感,动态场景鲁棒性差等问题,提出了一种混合运动检测模型,将对光照变化不敏感的目标检测模型和对动态场景变化跟踪能力快的运动检测模型融合,利用融合策略消除检测过程中的漏检和误检。最后提出利用快速运动目标检测法减少该模型的计算量,加上被融合的两种模型都有较好的实时性特点,使得混合模型仍然具备一定的实时性。(2)研究了跟踪过程中的目标描述,提出一种基于多特征选择的运动目标跟踪算法。将RankBoos与AdaBoost组合,构建混合boosting算法,根据目标信息和背景信息选择特征,建立特征排序分类器,并在跟踪的过程中不断自适应更新。采用卡尔曼滤波对目标区域进行粗预测,然后利用排序分类器结合Mean-shift算法完成目标的精确跟踪。该算法可以根据不同的目标和背景信息,自适应的进行特征选择,对于克服场景中存在光照、干扰、遮挡等问题是非常有利的。(3)提出了一种基于轨迹分析的运动行为识别方法。通过采用聚类的方法对跟踪得到的轨迹进行行为模式学习得到运动模式的轨迹参考序列。然后将轨迹视为时间序列,利用动态时间归正(DTW)技术对时间序列长度没有限制的特性,将DTW与K近邻算法结合用于待识别轨迹与参考序列模板轨迹的匹配,匹配过程中,采用DTW下界函数剔除大量不相似轨迹,以加快匹配速度,进而识别目标的运动状态。实验结果表明,本文的目标检测、跟踪算法可以对目标进行有效的检测和稳定跟踪,基于轨迹分析的运动行为识别方法在十字路口行人的左转,右转,前行,U型转达到了较高的识别率。

全文目录


摘要  3-4
ABSTRACT  4-8
第一章 绪论  8-14
  1.1 研究背景及意义  8-9
  1.2 国内外研究现状  9-11
  1.3 论文的主要研究内容及研究目标  11-12
  1.4 论文的结构安排  12-14
第二章 运动目标检测  14-29
  2.1 概述  14-16
  2.2 采用混合模型的运动目标分割  16-25
    2.2.1 基于时空中心对称局部二值模式的目标检测  17-19
      2.2.1.1 时空中心对称局部二值模式  17-18
      2.2.1.2 时空中心对称局部二值模式下目标检测模型  18-19
    2.2.2 基于无偏卡尔曼滤波的背景提取及目标检测  19-23
      2.2.2.1 无偏卡尔曼滤波(UKF)简介  19-21
      2.2.2.2 基于UKF的目标检测  21-23
    2.2.3 混合背景模型下的目标检测  23-25
      2.2.3.1 混合目标检测模型  23-24
      2.2.3.2 混合策略  24-25
      2.2.3.3 快速运动检测及阴影去除  25
  2.4 实验结果与分析  25-28
    2.4.1 模型参数的选取  25-26
    2.4.2 不同背景模型的运动目标检测实验  26-28
  2.5 小结  28-29
第三章 运动目标跟踪  29-48
  3.1 概述  29-32
  3.2 结合卡尔曼滤波粗预测和Mean-shift算法的目标跟踪  32-39
    3.2.1 卡尔曼滤波和Mean-shift算法  32-34
    3.2.2 Mean-shift框架下的目标跟踪  34-38
    3.2.3 结合卡尔曼滤波粗预测和Mean-shift算法的目标跟踪  38-39
  3.3 基于HybridBoost多特征选择的目标精确跟踪  39-43
    3.3.1 AdaBoost和RankBoost算法简介  39-40
    3.3.2 基于HybridBoost的目标特征选择  40-43
    3.3.3 实时、稳定的运动目标跟踪  43
  3.4 实验结果与分析  43-47
  3.5 小结  47-48
第四章 运动目标的中心定位及轨迹提取  48-57
  4.1 概述  48-49
  4.2 二值数学形态学  49-51
  4.3 连通性分析  51-52
  4.4 目标中心定位  52-56
  4.5 小结  56-57
第五章 基于轨迹分析的行为识别  57-69
  5.1 概述  57-58
  5.2 轨迹表示及DTW相似性度量  58-60
    5.2.1 轨迹特征提取  58-59
    5.2.2 动态时间归正(DTW)技术  59-60
  5.3 基于DTW的模糊C均值轨迹聚类  60-62
    5.3.1 轨迹聚类  60-61
    5.3.2 采用DTW的模糊C均值轨迹聚类  61-62
  5.4 基于轨迹的运动行为识别  62-65
    5.4.1 结合DTW和K近邻算法的行为匹配  62-63
    5.4.2 基于DTW下界函数的快速K近邻行为匹配算法  63-64
    5.4.3 行人运动行为识别  64-65
  5.5 实验结果及分析  65-68
    5.5.1 实验数据的建立  66-67
    5.5.2 结果分析  67-68
  5.6 小结  68-69
第六章 总结与展望  69-70
参考文献  70-77
致谢  77-78
攻读学位期间的主要研究成果  78

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. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  8. 红外图像目标识别及跟踪技术研究,TP391.41
  9. 空间红外目标仿真与跟踪技术研究,TP391.41
  10. 基于运动目标轨迹分析的智能交通监控系统,TP277
  11. 基于支持向量机的视频目标检测方法研究,TP391.41
  12. 无线传感器网络的目标跟踪算法研究,TN929.5
  13. 基于主动视觉的运动目标检测与跟踪研究,TP391.41
  14. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  15. 视频监控运动目标检索方法研究,TP391.41
  16. 运动目标检测与跟踪的研究,TP391.41
  17. 视频图像中的运动目标检测与跟踪,TP391.41
  18. 车载红外图像的行人检测与跟踪技术,TP391.41
  19. 无线传感器网络定位及目标跟踪的研究,TN929.5
  20. 基于无线传感器网络的智能家居安全监测系统的研究与应用,TP273.5
  21. 基于无线传感器网络的目标跟踪算法研究,TN929.5

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