基于全景视觉的运动目标检测与跟踪方法研究

论文摘要

全景视觉自从被人们研究以来,便在计算机视觉领域有了长足的发展;而运动目标的检测和跟踪也是计算机视觉领域非常活跃的一个课题。这两项技术都在智能机器人和智能化武器中有广泛的应用,这两项技术的结合更能为其应用提供更加广泛的应用前景。本文主要研究基于折反射全景视觉的运动目标检测与跟踪,并针对不同运动检测和目标跟踪算法在全景中的应用提出了改进算法。首先研究了全景视觉的成像原理,为了克服全景图像畸变对目标检测和跟踪的影响,从几何原理出发对全景图像进行柱面解算,这种方法可以获得360度的图像;为了对局部进行重点监控,研究了基于坐标变换的透视解算算法。对常用的运动目标检测算法进行了研究。帧间差分算法操作简单,速度较快,可以满足实时性的要求,但对背景要求较高,对光线、天气等光照条件的变化非常敏感。然后介绍了光流法的理论,但光流计算复杂,不能满足实时性要求。并用帧间差分算法对全景图像柱面展丌中的运动目标进行了检测。基于相关的跟踪算法在运动目标跟踪上一直应用广泛。普通模板匹配算法运算速度慢,对模板变化敏感,不适合实时跟踪。于是发展出了SSDA算法,提高了运算速度,并在经典算法的基础上提出了改进。基于MCD距离的模板更新解决了模板固定的问题。并将模板匹配和SSDA应用于全景图像柱面解算的目标跟踪。Mean-Shift算法是基于颜色的目标跟踪算法。此算法计算量小,又要能适应目标和背景的复杂变化,不仅能满足实时性的要求,而且跟踪效率高。且针对其在目标与背景颜色相近或有相近颜色干扰情况下,容易丢失目标的缺点提出了考虑背景色和色彩自适应融合的方法来提高跟踪精度。由于其对目标模板要求较低,直接应用于全景图像的跟踪。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景和意义
• 1.2 国内外研究现状
• 1.2.1 折反射全景视觉国内外研究现状
• 1.2.2 运动检测与运动目标跟踪国内外研究现状
• 1.3 本论文的主要工作
• 第2章 全景视觉图像解算方法研究
• 2.1 引言
• 2.2 折反射全景视觉系统介绍
• 2.3 折反射全景图像成像原理
• 2.4 折反射全景图像解算算法
• 2.4.1 柱面解算
• 2.4.2 透视解算
• 2.5 本章小结
• 第3章 基于运动的目标检测方法研究
• 3.1 引言
• 3.2 帧间差分算法
• 3.2.1 两帧间差分法
• 3.2.2 背景差分法
• 3.3 光流法
• 3.3.1 经典光流法的计算
• 3.3.2 目标检测
• 3.4 基于全景图像柱面展开的帧间差分结果
• 3.5 本章小结
• 第4章 基于相关的运动目标跟踪方法研究
• 4.1 引言
• 4.2 普通模板匹配算法原理
• 4.3 序贯相似性检测算法（SSDA）
• 4.3.1 经典序贯相似性检测算法
• 4.3.2 改进的序贯相似性检测算法
• 4.2.3 基于MCD距离的自适应模板更新
• 4.4 基于全景视觉柱面展开的模板匹配和SSDA算法
• 4.4.1 物体在全景图像中的运动特点
• 4.4.2 基于全景视觉柱面展开的模板匹配和SSDA算法
• 4.4.3 实验结果分析
• 4.5 本章小结
• 第5章 Mean-Shift跟踪算法及其改进算法研究
• 5.1 引言
• 5.2 色彩空间
• 5.2.1 灰度空间
• 5.2.2 RGB色彩空间
• 5.2.3 HIS色彩空间
• 5.2.4 RGB色彩空间与HIS色彩空间之间的转换
• 5.3 Mean-Shift基本算法概述
• 5.3.1 Mean-Shift算法原理—Mean-Shift向量
• 5.3.2 Mean-Shift跟踪算法
• 5.3.3 Mean-Shift算法分析
• 5.4 改进的Mean-Shift算法
• 5.4.1 色彩灰度量化方式优化
• 5.4.2 考虑背景色的Mean-Shift算法
• 5.5 自适应色彩融合的Mean-Shift算法
• 5.5.1 色彩融合
• 5.5.2 自适应色彩融合
• 5.6 Mean-Shift及其改进算法在全景中的应用
• 5.6.1 基本Mean-Shift算法跟踪结果
• 5.6.2 改进Mean-Shift算法跟踪结果
• 5.7 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢