学位论文 > 优秀研究生学位论文题录展示

动态场景下视频跟踪研究

作　者: 王孝刚
导　师: 吴晓娟
学　校: 山东大学
专　业: 通信与信息系统
关键词: 动态场景运动目标检测粒子滤波运动目标跟踪并行多目标跟踪
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 299次
引　用: 3次
阅　读: 论文下载

内容摘要

基于图像序列的运动目标检测与跟踪是计算机视觉领域两个比较活跃的课题,也是许多基于视觉的应用需要解决的关键问题。准确的检测与跟踪是有效的进行识别与决策的前提,是高级视觉系统的基础。运动目标的检测与跟踪技术在智能监控、人机交互、辅助驾驶、车辆跟踪、智能看护等应用中起着重要的作用。但是,这两种技术在实际应用中还面临着诸多困难:摄像机运动和光照变化会增加运动目标检测的难度,而光照变化、复杂背景、目标的非刚性形变和目标的部分遮挡会影响跟踪的鲁棒性。另外,在现有的算法实现中,对多目标的跟踪还面临着严重的性能瓶颈。针对这些问题,本文主要做出了如下研究工作:对于摄像机运动所造成的动态场景下进行运动目标检测的问题,提出了一种结合全局运动补偿和自适应背景更新模型的算法。首先用一种基于金字塔实现的Lucas-Kanade算法得到一个稀疏运动场,然后用这个运动场估计场景运动的模型参数,接下来用估计得到的模型参数对前一时刻的图像帧进行运动补偿,再利用补偿后的图像帧和当前图像帧进行动态背景更新,最后用更新后的背景与当前图像帧作背景减除从而得到前景目标。该算法在满足实时性的同时又能有效避免全局运动补偿+帧差算法所特有的空洞现象和目标被拉伸的问题,从而有效提高检测出来的运动目标的精确程度。为了最小化视频跟踪中可能出现的光照变化、复杂背景、被跟踪目标的非刚性形变和部分遮挡等因素对跟踪结果所造成的不利影响,本文提出了一种基于高斯核正规化HSV颜色模型的粒子滤波器跟踪方法。用高斯核函数正规化目标区域,进而加权计算目标的HSV颜色直方图,将该直方图作为粒子滤波器的目标模型进行跟踪。在多目标跟踪的实验中验证了该方法的有效性,并且在跟踪两个目标的情况下可以达到实时性要求。随着多处理器技术和多核技术的发展,我们正面临这样一个矛盾:一方面,用传统的串行编程的方法实现的多目标跟踪算法在应用过程中存在着严重的性能瓶颈;另一方面,多处理器和多核资源的运算潜能无法得到充分地发挥。本文探索了一种基于OpenMP共享存储并行编程模型的粗粒度并行多目标跟踪系统的实现方法。在共享变量中维护被跟踪目标的列表,每一个目标用一个独立的粒子滤波器进行跟踪。根据处理单元的数目确定线程数量和每个线程跟踪的目标数量。在我们所讨论的系统中,与对应的串行实现相比,该并行实现将可实时跟踪的目标数目由2个增加到了8个,具有更大的实用价值。

全文目录

摘要  8-10
ABSTRACT  10-12
第一章绪论  12-18
  1.1 研究背景与意义  12-13
  1.2 运动目标检测与跟踪概述  13-14
  1.3 研究现状与难点  14-16
    1.3.1 目标检测  15-16
    1.3.2 目标跟踪  16
  1.4 本文的工作与创新  16-18
第二章动态场景下的运动目标检测  18-32
  2.1 运动目标检测基础  18-19
    2.1.1 图像预处理  18
    2.1.2 时间差分法  18-19
    2.1.3 背景相减法  19
  2.2 全局运动估计参数模型  19-21
  2.3 自适应背景模型  21-23
  2.4 基于全局运动补偿和自适应背景模型的运动目标检测  23-27
    2.4.1 全局运动补偿模块的实现  24-25
    2.4.2 算法流程  25-26
    2.4.3 特殊情况的处理  26-27
  2.5 实验结果与分析  27-31
  2.6 小结  31-32
第三章基于改进颜色模型的粒子滤波视频跟踪  32-45
  3.1 运动目标跟踪基础  32-34
  3.2 粒子滤波原理  34-38
    3.2.1 蒙特卡罗积分与重要性系数采样  34-36
    3.2.2 序列重要性系数采样算法  36-38
  3.3 粒子滤波算法实现  38-39
  3.4 改进颜色模型  39-42
    3.4.1 颜色空间的选择  40
    3.4.2 高斯核正规化  40-42
    3.4.3 相似度度量  42
  3.5 实验及结果分析  42-44
    3.5.1 算法实现  42-43
    3.5.2 结果与分析  43-44
  3.6 小结  44-45
第四章共享存储并行多目标跟踪技术  45-55
  4.1 引言  45-46
  4.2 并行方案的选择  46-47
  4.3 OpenMP并行编程模型  47-50
    4.3.1 OpenMP程序的执行模型  48-49
    4.3.2 OpenMP程序的存储模型  49-50
  4.4 基于粒子滤波的并行多目标跟踪算法  50-52
    4.4.1 并行识别与分解策略  50-51
    4.4.2 并行粒度的选择  51-52
  4.5 实验结果与分析  52-54
  4.6 小结  54-55
第五章总结与展望  55-58
  5.1 总结  55-56
  5.2 展望  56-58
参考文献  58-62
致谢  62-63
攻读硕士期间发表论文  63-64
学位论文评阅及答辩情况表  64

动态场景下视频跟踪研究

内容摘要

全文目录

相似论文