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跟踪算法研究

作　者: 包玉刚
导　师: 赵春晖
学　校: 哈尔滨工程大学
专　业: 通信与信息系统
关键词: 目标跟踪 Mean Shift算法 Camshift算法 粒子滤波
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 383次
引　用: 0次
阅　读: 论文下载
 

内容摘要


视频图像中的运动目标跟踪是数字视频技术发展中产生的一个重要的研究课题涉及到视频图像处理、视频监控、医学图像分析、生物学、自动控制、计算机图像处理、人工智能等诸多领域,具有重要的的理论价值和实际意义。本文对运动目标检测和跟踪方法进行了深入的研究,对传统经典算法进行了改进主要的工作有以下几个方面：首先,目标检测方法中主要研究了帧间差分法,基于分级分块背景模型估计的背景相减法,并提出将连续帧间差分法与背景相减法结合来实现对运动目标的检测,该方法能够很好的够避免连续帧间差分法的两帧图像目标重叠部分检测不出来以及背景相减法容易受外界环境影响的问题。其次,本文根据目前使用非常广泛的Mean Shift算法在跟踪目标过程中容易出现跟踪区域偏移,以及随着累积误差的增加出现跟踪失败的情况,提出了将分级分块背景模型估计的背景相减法与传统的Mean Shift算法结合的目标跟踪方法,改进的方法能够很好的抑制跟踪区域偏移以及随着误差累积出现的跟踪失败的情况,该算法具有较好的鲁棒性。再次,本文针对传统的Camshift算法目标区域需要人工选定,并且当目标的颜色与背景颜色相近时会出现跟踪失败的情况,提出了KIM法与Camshift算法结合的目标跟踪算法,该方法能够很好地确定运动目标区域,尤其对部分遮挡目标当其不被遮挡时,该方法能够较完整的提取运动目标的轮廓。实现对目标的准确跟踪。最后,本文在研究粒子滤波跟踪的方法的基础上,针对使用单一特征对目标跟踪容易出现跟踪失效的情况,本文将颜色信息与形状信息结合来实现对目标特征的描述,并将该特征应用到粒子滤波跟踪方法中,该方法对短时目标遮挡具有很好的适应性。

全文目录


摘要  5-6
ABSTRACT  6-11
第1章 绪论  11-20
  1.1 课题研究背景和意义  11-13
  1.2 国内外研究现状及分析  13-15
  1.3 运动目标检测与跟踪的方法  15-18
    1.3.1 运动目标检测方法  15-16
    1.3.2 运动目标跟踪方法  16-18
  1.4 本文研究内容与结构安排  18-20
第2章 运动目标检测的研究及仿真  20-36
  2.1 引言  20
  2.2 连续帧间差分法  20-23
  2.3 背景相减法  23-33
    2.3.1 背景图像获取方法  24-26
    2.3.2 分级分块的背景模型估计方法  26-33
  2.4 帧差法与背景相减法结合的目标检测算法  33-35
  2.5 本章小结  35-36
第3章 基于改进Mean shift算法的运动目标跟踪  36-56
  3.1 引言  36
  3.2 Mean shift基本理论  36-45
    3.2.1 基本Mean Shift及其扩展  37-40
    3.2.2 基本Mean Shift的物理含义  40-41
    3.2.3 Mean Shift算法步骤及收敛性  41-45
  3.3 基于Mean Shift算法的目标跟踪算法  45-51
    3.3.1 目标模型的描述  46-47
    3.3.2 候选模型的描述  47
    3.3.3 相似性函数  47
    3.3.4 目标定位  47-49
    3.3.5 算法的流程  49-51
  3.4 基于背景相减法与Mean shift算法结合的目标跟踪算法  51-55
    3.4.1 改进的Mean shift目标跟踪算法  51-52
    3.4.2 实验结果分析  52-55
  3.5 本章小结  55-56
第4章 基于改进的Camshift目标跟踪算法  56-65
  4.1 引言  56
  4.2 颜色模型转换  56-60
    4.2.1 RGB彩色空间  57
    4.2.2 HSV彩色空间  57-59
    4.2.3 RGB空间到HSV空间的转换  59-60
  4.3 Camshift算法跟踪  60
  4.4 基于KIM法与Camshift算法结合的运动目标跟踪  60-62
  4.5 实验结果与分析  62-63
  4.6 本章小结  63-65
第5章 基于信息融合的粒子滤波跟踪  65-79
  5.1 引言  65
  5.2 粒子滤波基本理论  65-71
    5.2.1 跟踪问题描述  66-67
    5.2.2 贝叶斯滤波的蒙特卡罗实现  67-68
    5.2.3 重要性采样  68-69
    5.2.4 序贯重要性采样  69-70
    5.2.5 重采样  70-71
  5.3 基于信息融合的粒子滤波跟踪算法  71-76
    5.3.1 运动模型  71-72
    5.3.2 颜色特征  72-73
    5.3.3 距离信息  73-74
    5.3.4 特征信息融合  74
    5.3.5 特征信息融合的粒子滤波  74-76
  5.4 实验结果与分析  76-77
  5.5 本章小结  77-79
结论  79-81
参考文献  81-87
攻读硕士学位期间发表的文章和取得的科研成果  87-88
致谢  88

相似论文

  1. 基于多Agent理论的卫星协同定轨技术研究,V474
  2. 带径向速度观测的跟踪算法研究,TN953
  3. 基于VRPF的机动目标跟踪的研究,TN957.52
  4. 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
  5. 空间交会接近视觉测量方法研究,TP391.41
  6. 有标记点的人体三维运动数据获取方法的研究,TP391.41
  7. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  8. 移动机器人视觉检测和跟踪研究,TP242.62
  9. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  10. 红外图像目标识别及跟踪技术研究,TP391.41
  11. 空间红外目标仿真与跟踪技术研究,TP391.41
  12. 基于机器视觉的车辆检测和车距测量方法研究,TP274
  13. 基于运动目标轨迹分析的智能交通监控系统,TP277
  14. 复杂场景中运动目标的检测与跟踪,TP391.41
  15. 基于支持向量机的视频目标检测方法研究,TP391.41
  16. 无线传感器网络的目标跟踪算法研究,TN929.5
  17. 基于主动视觉的运动目标检测与跟踪研究,TP391.41
  18. 基于鱼眼相机的运动物体检测和跟踪,TP391.41
  19. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  20. 视频监控运动目标检索方法研究,TP391.41
  21. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41

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