学位论文 > 优秀研究生学位论文题录展示

基于PTZ摄像机运动目标主动跟踪技术的研究

作　者: 张德秀
导　师: 尚振宏
学　校: 昆明理工大学
专　业: 计算机软件与理论
关键词: 主动跟踪 PTZ摄像机 MeanShift跟踪算法 灰度模板匹配
分类号: TP391.41
类　型: 硕士论文
年　份: 2010年
下　载: 63次
引　用: 0次
阅　读: 论文下载
 

内容摘要


计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务是通过对采集的图片或视频进行处理以获得相应场景的三维信息。其中,主动视觉是当今计算机视觉研究领域中的一个热门课题,它可以智能的改变主动摄像机的视角,从而克服了计算机视觉中由于视野范围有限难以大范围和多角度跟踪的缺陷。为了确保对感兴趣目标更大视野和场景的跟踪,在不增加摄像头的基础上PTZ(Pan/Tilt/Zoom,平移/旋转/变焦)摄像机是一个很好的选择。随着PTZ摄像机的广泛应用,基于PTZ摄像机运动目标的主动跟踪技术也成为了研究的热点。主动跟踪的目的是使摄像机实时的跟随目标移动,使运动目标始终处于摄像机的视野中。目前关于主动跟踪技术的研究主要是使用两个摄像机来完成,一个固定摄像机作为主摄像机,一个PTZ摄像机作为辅助摄像机。主摄像机用来对整个视野进行分析、处理图像、计算目标位置及产生控制指令,辅助摄像机根据主摄像机的指令进行录像、锁定跟踪等操作。单PTZ直接进行主动跟踪的方法很少,主要采用人工神经网络和离散活动摄像机的运动等,这些方法计算量大,复杂度高很难进行实时处理。本文以视频监控为应用背景,主要研究了基于PTZ摄像机运动目标的主动跟踪技术。根据单PTZ主动跟踪中存在的问题,本文提出了一种不仅离散摄像机的运动还划分主动跟踪过程的方法。该方法首先把主动跟踪过程划分为两部分,在摄像机静止时进行运动目标检测,利用跟踪结果控制摄像机的运动；其次把摄像机的运动过程进行了离散化,只在一开始目标的位置不在中心区域和目标移出设定好的中心区域才控制摄像机转动,其它时候摄像机都处于静止状态。其中跟踪过程是关键,因为摄像机的控制完全依赖于跟踪的结果,所以选择了速度和准确性都比较高的Mean Shift算法进行运动目标跟踪。但是摄像机转动后由于运动目标在图像中的位置发生了很大的变化,超出了Mean Shift搜索窗口的搜索范围,这时采用改进的灰度模板进行搜索找到目标的新位置,并用这个新位置来更新Mean Shift搜索窗口进行再次跟踪。实验表明该方法能很好的控制摄像机进行实时主动跟踪。

全文目录


摘要  3-4
Abstract  4-8
第一章 绪论  8-12
  1.1 研究背景及意义  8-9
  1.2 国内外研究现状  9-11
  1.3 论文的研究内容和组织结构  11-12
    1.3.1 研究内容  11
    1.3.2 论文组织  11-12
第二章 PTZ摄像机控制  12-22
  2.1 引言  12
  2.2 视频图像采集  12-13
  2.3 云台控制协议  13-15
  2.4 云台控制实现  15-17
  2.5 实验结果和分析  17-21
  2.6 本章小结  21-22
第三章 运动目标提取  22-32
  3.1 引言  22
  3.2 运动检测算法介绍  22-26
    3.2.1 差分法  23-25
    3.2.2 光流法  25
    3.2.3 背景模型法  25-26
  3.3 混合高斯背景建模  26-29
    3.3.1 混合高斯背景模型的建立  27
    3.3.2 混合高斯背景模型参数初始化  27-28
    3.3.3 混合高斯背景模型参数更新  28
    3.3.4 生成混合高斯背景模型  28-29
    3.3.5 基于混合高斯背景模型的运动检测  29
  3.4 运动目标分割  29-30
  3.5 实验结果和分析  30-31
  3.6 本章小结  31-32
第四章 主动跟踪  32-46
  4.1 引言  32-33
  4.2 主动跟踪方法流程  33-34
  4.3 基于Mean Shift算法的目标跟踪  34-37
    4.3.1 目标模型  34-35
    4.3.2 相似度计算  35-36
    4.3.3 目标定位  36-37
  4.4 模板匹配算法  37-39
    4.4.1 灰度匹配  37-38
    4.4.2 特征匹配  38
    4.4.3 相关匹配算法  38-39
  4.5 改进的灰度模板匹配方法  39-40
  4.6 实验结果和分析  40-44
    4.6.1 改进灰度模板实验  40-42
    4.6.2 主动跟踪实验  42-44
  4.7 本章小结  44-46
第五章 结论及下一步的工作  46-48
  5.1 结论  46
  5.2 下一步的工作  46-48
致谢  48-50
参考文献  50-54
附录  54

相似论文

  1. 面向PTZ摄像机的运动目标检测技术研究,TP391.41
  2. 基于智能监控技术的PTZ研究,TP391.41
  3. 复杂场景下的视觉目标跟踪方法研究,TP391.41
  4. 基于低成本PTZ摄像机的目标跟踪算法研究,TP391.41
  5. 基于PTZ摄像机的跟踪算法研究,TP391.41
  6. 复杂大场景下的多摄像机接力目标跟踪问题研究,TP391.41
  7. 曲轴非圆磨削表面几何形状误差及其在线测量方法的研究,TG806
  8. 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
  9. 用于检索的人脸特征提取与匹配算法研究,TP391.41
  10. 基于FPGA的高速图像预处理技术的研究,TP391.41
  11. 2D人脸模板保护算法研究,TP391.41
  12. 基于用户兴趣特征的图像检索研究与实现,TP391.41
  13. 图像拼接技术研究,TP391.41
  14. 高效精确字符串匹配算法的研究与实现,TP391.41
  15. 基于三维重建的焊点质量分类方法研究,TP391.41
  16. 舌体特征的提取及融合分类方法研究,TP391.41
  17. 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
  18. 空中目标与背景的红外图像仿真技术研究,TP391.41
  19. 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
  20. 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
  21. 双传感器图像联合目标检测及系统实现研究,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