基于视频序列的运动目标检测和跟踪算法研究

论文摘要

基于视频序列的运动目标检测与跟踪技术是计算机视觉的主要研究方向之一,它是智能监控、人机交互、移动机器人视觉导航、工业机器人手眼系统等应用的基础和关键技术。现今,绝大多数视频监控系统仍完全依赖于监控人员的现场操作,不仅造成了人力资源的浪费,而且容易发生误检或漏检,也影响了整个监控系统的可靠性和可信度。因此,研究智能视频监控系统中的关键技术,并且有效提高智能视频监控系统的性能具有重要的意义。本文对视频图像序列中运动目标检测与跟踪技术进行研究,主要研究运动目标检测方法和运动目标跟踪方法,实现了基于视频序列的多目标检测与跟踪系统。本文介绍了视频监控技术的研究背景和发展现状,阐述了现有运动目标检测与跟踪方法的基本分类和难点,在深入分析运动目标检测与跟踪的流行算法的基础上,提出了一种改进的自适应测量协方差的卡尔曼滤波器跟踪算法,实现了基于视频序列的运动目标检测和跟踪软件系统。实验证明,本系统能够有效地对复杂图像背景环境中的运动目标进行检测和跟踪,具有精度高、实时性好和鲁棒性强等优点。在运动目标检测方面,主要研究了帧间差分、光流场和背景消除的方法。在总结常用的运动目标检测方法的基础上,构造了一种适合智能监控系统的运动目标检测模块。通过建立一个可靠的自适应背景更新模型,由背景消除法得到完整可靠的运动目标前景图像。用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响,从而将视频序列中的运动目标比较可靠地检测出来。跟踪方面,在充分研究了现有跟踪方法的基础上,提出了一种改进的自适应测量协方差的卡尔曼滤波器跟踪算法,并具体实现了该跟踪方法。在运动目标的跟踪当中充分利用了检测模块的结果,通过动态调整协方差参数,利用自适应卡尔曼滤波准确地预测出目标的真实状态,较好的预测跟踪运动目标,且具有预测的稳定性和鲁棒性,实现了运动目标的快速跟踪。

论文目录

• 摘要
• Abstract
• 致谢
• 第一章 绪论
• 1.1 引言
• 1.2 论文背景及研究意义
• 1.3 国内外领域研究现状及面临问题
• 1.4 本文研究的主要工作和组织结构
• 1.4.1 主要工作
• 1.4.2 组织结构
• 第二章 运动目标检测与跟踪的基本算法
• 2.1 运动目标检测与跟踪的基本算法
• 2.1.1 基于模板匹配的算法
• 2.1.2 基于区域的算法
• 2.1.3 基于特征的算法
• 2.1.4 基于模型的算法
• 2.2 运动目标检测与跟踪面临的问题
• 2.3 小结
• 第三章 运动目标的检测
• 3.1 运动目标检测
• 3.2 运动目标检测算法
• 3.2.1 帧间差分法
• 3.2.2 光流法
• 3.2.3 背景消除法
• 3.2.4 三种运动目标检测技术的比较
• 3.3 本文使用的运动目标检测方法
• 3.3.1 背景建模
• 3.3.2 自适应背景更新
• 3.4 形态学滤波
• 3.4.1 膨胀
• 3.4.2 腐蚀
• 3.4.3 开运算
• 3.4.4 闭运算
• 3.5 实验结果与分析
• 3.5.1 本文的运动目标检测算法实验结果
• 3.5.2 初始帧中含有运动目标
• 3.5.3 运动目标从运动到静止的过程中实验结果
• 3.6 小结
• 第四章 运动目标的跟踪
• 4.1 运动目标跟踪
• 4.2 运动目标跟踪算法
• 4.2.1 基于轮廓匹配的运动目标跟踪
• 4.2.2 基于特征匹配的运动目标跟踪算法
• 4.2.3 基于区域匹配的跟踪算法
• 4.3 特征提取
• 4.3.1 形状特征
• 4.3.2 运动特征
• 4.4 卡尔曼滤波器
• 4.5 一种改进的基于卡尔曼滤波器的运动目标跟踪算法
• 4.5.1 自适应协方差的动态调整
• 4.5.2 参数设置
• 4.5.3 实验结果与数据分析
• 4.6 小结
• 第五章 运动目标检测与跟踪系统的设计
• 5.1 系统开发环境
• 5.2 系统模块说明
• 5.2.1 前景检测模块
• 5.2.2 新运动目标检测模块
• 5.2.3 运动目标跟踪模块
• 5.2.4 运动轨迹生成模块
• 5.2.5 处理模块
• 5.3 实验结果
• 第六章 总结与展望
• 参考文献
• 攻读硕士学位期间发表的论文