学位论文 > 优秀研究生学位论文题录展示

视频图像中的运动目标检测与跟踪

作 者: 许辰铭
导 师: 姚放吾
学 校: 南京邮电大学
专 业: 计算机应用技术
关键词: 目标检测 目标跟踪 MeanShift算法 质心 kalman滤波
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 63次
引 用: 0次
阅 读: 论文下载
 

内容摘要


运动目标检测与跟踪是图像编码技术以及计算机视觉研究中的核心内容之一,在视频监控,视觉导航,智能交通以及视频图像压缩和传输等领域中都有重要的实用价值。运动目标检测是在视频序列处理过程中的最底层,检测的效果将直接影响到后续高级应用的精确性。本文介绍了当今主流的目标检测方法:帧间差分法,高斯背景法。结合其各自优劣,提出了基于背景消减法的帧间差分法,然后结合形态滤波,最后提取运动目标。在计算机视觉中,跟踪是指通过计算其运动序列图像生成运动物体的轨迹。目标跟踪的方法有很多种,主要都是计算对象在连续帧间的变化,日常应用中使用最广泛的当属MeanShift算法。该方法是通过迭代来计算距离最近样本分布的一种无参数密度估计的算法。在多数的情况下能保证跟踪的准确性和实时性,是一种快速且有效的跟踪算法。但是在目标跟踪过程中均值漂移算法没有利用目标的运动方向和速度信息,这就导致了无法准确跟踪快速目标。本文提出了一种基于质心算法的MeanShift跟踪模型算法。初始位置采用运动目标质心,并在质心位置处采用MeanShift迭代,以巴氏系数判断当前目标和参考目标的匹配程度,实验分析,该算法可实现快速、有效跟踪目标。此外当目标运动时遇到障碍物完全地遮挡,此时MeanShift算法会误把遮挡物当做候选目标模型,若后续帧中再次出现运动目标,MeanShift算法并不会进行再次的实时跟踪。本文采用基于卡尔曼滤波的MeanShift算法对其进行改进。卡尔曼滤波可以根据以往的运动目标信息对下一时刻的目标初始位置进行预估,然后MeanShift算法根据卡尔曼滤波器估计出的初始值进行迭代。通过对改进后的算法与传统算法的比对,改进后的算法可以对完全遮挡下的目标进行连续稳定的跟踪,其效果相对于传统的算法有了显著的提高。

全文目录


摘要  4-5
ABSTRACT  5-10
第一章 引言  10-15
  1.1 课题研究背景及意义  10-12
  1.2 当前国内外研究现状及发展趋势  12-13
  1.3 论文创新点和结构安排  13-15
    1.3.1 论文创新点  13
    1.3.2 论文结构安排  13-15
第二章 图像预处理  15-27
  2.1 颜色空间和转换  15-18
    2.1.1 简介  15
    2.1.2 CMYK 颜色空间  15-16
    2.1.3 NTSC 颜色空间  16
    2.1.4 HSV 颜色空间  16-17
    2.1.5 图像灰度变换  17-18
  2.2 图像均衡化  18-19
  2.3 图像滤波  19-22
    2.3.1 中值滤波  19-20
    2.3.2 图像低通滤波  20-22
  2.4 数学形态学  22-26
    2.4.1 腐蚀  22-23
    2.4.2 膨胀  23-24
    2.4.3 开操作  24-25
    2.4.4 闭操作  25-26
  2.5 小结  26-27
第三章 运动目标检测  27-34
  3.1 引言  27
  3.2 灰度阈值分割法  27-31
    3.2.1 otsu 阈值分割  28
    3.2.2 聚类法  28-30
    3.2.3 迭代法  30-31
  3.3 改进的目标检测算法  31-32
    3.3.1 帧间差分法  31
    3.3.2 高斯背景法  31-32
  3.4 改进目标检测算法  32-33
  3.5 运动目标检测的发展现状  33
  3.6 本章小结  33-34
第四章 基于MeanShift 的目标跟踪算法  34-47
  4.1 基本MeanShift  34-39
    4.1.1 基本MeanShift 原理  34-35
    4.1.2 基本MeanShift 形式  35-36
    4.1.3 MeanShift 的扩展形式  36-37
    4.1.4 MeanShift 的物理意义  37-39
  4.2 基于MeanShift 的目标跟踪算法  39-42
    4.2.1 跟踪区域中的运动目标描述  39-41
    4.2.2 MeanShift 算法描述  41-42
  4.3 实验结果分析  42-46
  4.4 本章小结  46-47
第五章 改进的MeanShift 跟踪算法  47-61
  5.1 传统MeanShift 算法的缺点  47
  5.2 基于质心的MeanShift 算法  47-51
    5.2.1 质心的计算  48-49
    5.2.2 算法流程  49-50
    5.2.3 实验结果分析  50-51
  5.3 基于卡尔曼滤波的MeanShift 算法  51-61
    5.3.1 贝叶斯公式  52-54
    5.3.2 卡尔曼滤波器理论  54-56
    5.3.3 基于卡尔曼滤波的MeanShift 算法  56-58
    5.3.4 实验结果及分析  58-61
第六章 总结与展望  61-63
  6.1 总结  61-62
  6.2 展望  62-63
致谢  63-64
攻读硕士学位期间的学术论文  64-65
缩略词  65-66
参考文献  66-69

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. 双传感器图像联合目标检测及系统实现研究,TP391.41
  5. 空间交会接近视觉测量方法研究,TP391.41
  6. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  7. 移动机器人视觉检测和跟踪研究,TP242.62
  8. 移动质心与直接力复合控制动能弹控制方法研究,TJ765
  9. 陀螺稳定吊舱控制系统设计,TP273
  10. 再入弹头的移动质心控制方法研究,TJ765.23
  11. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  12. 红外图像目标识别及跟踪技术研究,TP391.41
  13. 空间红外目标仿真与跟踪技术研究,TP391.41
  14. 基于运动目标轨迹分析的智能交通监控系统,TP277
  15. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  16. 大型耙吸挖泥船动力定位控制算法研究,U674.31
  17. 基于支持向量机的视频目标检测方法研究,TP391.41
  18. 无线传感器网络的目标跟踪算法研究,TN929.5
  19. 基于主动视觉的运动目标检测与跟踪研究,TP391.41
  20. 驾驶员眼睛开闭状态计算机图像识别技术开发,TP391.41
  21. 结合DWT的动态数据校正研究及应用,TP274

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