学位论文 > 优秀研究生学位论文题录展示

运动目标检测与跟踪算法的研究与实现

作　者: 李江春
导　师: 周春光
学　校: 吉林大学
专　业: 计算机应用技术
关键词: 智能视觉监控运动目标检测运动目标跟踪混合高斯模型 Kalman滤波
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 469次
引　用: 10次
阅　读: 论文下载

内容摘要

基于视频流的运动目标检测与跟踪是计算机视觉领域的热门课题,是智能视觉监控系统中最为基本、应用最广泛的智能分析技术,具有重要的理论意义和实用价值。本文通过对运动目标检测、运动目标跟踪、图像处理、高斯模型、Kalman滤波等理论的学习和研究,主要完成了以下工作:1.深入地分析了几种常用的运动目标检测算法的原理和特点;对于中值滤波法的滑动窗口长度的取值进行了详细的实验分析和理论探讨。2.提出了一种改进的混合高斯背景建模算法,针对均值和方差这两个参数的不同特点,对其采用不同的学习率,实验证明,改进方法有效地提高了目标检测的效果。3.对几种常用的运动目标检测算法进行了比较研究,通过大量的实验,对于各种算法的检测效果、内存需求、实时性、算法复杂度、以及复杂环境适应性等方面的性能进行了总结分析和综合对比。4.针对本文具体的应用要求和实验数据的特点,提出了相适应的基于二值形态学的图像后处理去噪方法,达到了良好的去噪效果。5.提出了一种快速有效的运动目标检测与跟踪方法,利用反馈模型,将目标跟踪阶段Kalman滤波预测的结果反馈到目标检测阶段的减背景方法中来指导检测范围的获取。实验证明,该方法具有良好的目标检测与跟踪效果,在不影响准确性的前提下,显著地降低了运算量,增强了系统的实时性。

全文目录

提要  4-7
第1章绪论  7-13
  1.1 研究背景及意义  7-8
  1.2 研究现状及发展趋势  8-11
    1.2.1 科研机构及学术活动  8-9
    1.2.2 运动目标检测的研究  9-10
    1.2.3 运动目标跟踪的研究  10-11
  1.3 本文的主要工作和内容安排  11-13
    1.3.1 本文的主要工作  11
    1.3.2 本文的内容安排  11-13
第2章运动目标检测  13-33
  2.1 运动目标检测算法概述  13-15
    2.1.1 光流法  13
    2.1.2 帧差法  13-14
    2.1.3 减背景法  14-15
  2.2 几种常用的减背景算法  15-23
    2.2.1 中值滤波法  15-19
    2.2.2 单高斯模型  19-21
    2.2.3 混合高斯模型  21-23
  2.3 一种改进的混合高斯背景建模算法  23-28
    2.3.1 改进的模型学习机制  23-25
    2.3.2 前景决策方法  25-27
    2.3.3 改进算法的实验结果及分析  27-28
  2.4 几种常用的运动目标检测算法实验结果的总结与比较分析  28-31
  2.5 小结  31-33
第3章图像后处理去噪  33-39
  3.1 图像后处理去噪方法概述  33-35
    3.1.1 线性平滑滤波器  33
    3.1.2 非线性平滑滤波器  33-34
    3.1.3 二值形态学运算  34-35
  3.2 本文采用的去噪方法  35-36
  3.3 实验结果及分析  36-38
  3.4 小结  38-39
第4章运动目标跟踪  39-47
  4.1 运动目标跟踪算法概述  39-41
    4.1.1 基于特征的跟踪方法  39-40
    4.1.2 基于变形模板的跟踪方法  40
    4.1.3 基于模型的跟踪方法  40-41
    4.1.4 基于运动估计的跟踪方法  41
  4.2 基于Kalman 滤波的运动目标跟踪  41-42
  4.3 一种快速的运动目标检测与跟踪方法——反馈模型  42-44
    4.3.1 状态预测  43
    4.3.2 感兴趣目标区域的确定  43-44
    4.3.3 状态估计  44
  4.4 实验结果及比较分析  44-46
  4.5 小结  46-47
第5章总结与展望  47-49
参考文献  49-53
硕士期间发表的学术论文  53-54
致谢  54-55
摘要  55-58
Abstract  58-61

运动目标检测与跟踪算法的研究与实现

内容摘要

全文目录

相似论文