基于PTZ摄像机的运动目标跟踪算法研究与实现

论文摘要

基于PTZ摄像机的运动目标跟踪(又称为主动目标跟踪)是指：在一个序列图像的每幅图像中找到所感兴趣的目标所处的位置,并根据控制策略实时控制PTZ摄像机转动或缩放,使目标永远处于视野的中心区域,并且可以看到目标的局部细节。主动目标跟踪是计算机视觉研究的核心内容,在军事视觉制导、机器人视觉导航、交通监视等领域有着重要的实用价值和广阔的发展前景。由于外界光照变化、跟踪目标的形变、目标被遮挡和PTZ摄像机的控制等因素,使得基于PTZ摄像机的目标跟踪成为一个极富挑战性的课题。本文首先分析了目前常用于PTZ跟踪的两种方法：Mean Shift和粒子滤波,主要介绍了它们在跟踪中的应用和各自的优缺点。然后针对目前常用的PTZ跟踪方法只考虑了目标本身,而忽略了目标周围的背景信息,引入了在线学习的跟踪方法,重点介绍了基于在线AdaBoost分类器的跟踪方法原理。由于更新AdaBoost分类器需要很长时间,然而跟踪过程中必须要求实时性,所以本文把已成功应用于实时车载识别的一种在线更新AdaBoost分类器的方法用于跟踪中。实验验证了该算法的有效性并且跟踪效果要好于Mean Shift跟踪方法。但是,基于在线AdaBoost分类器的跟踪方法会导致误差的积累和分类器精度的下降,从而产生跟踪框的漂移。针对这一问题,本文讨论了另外一种分类器—MILBoost分类器,并在此基础上提出了基于在线MILBoost分类器的粒子滤波方法。最后实验表明,此方法优于基于AdaBoost分类器的跟踪方法,同时也将此方法和基于颜色和梯度的粒子滤波算法进行了比较,跟踪结果也显示了本文提出的方法效果更好。本文构建了基于PTZ摄像机的跟踪控制系统。首先分析了PTZ摄像机控制协议,根据PTZ跟踪控制的任务和困难,制定了模糊控制策略。然后把基于在线MILBoost的粒子滤波方法用于此系统中,最后用实验验证了系统的有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景与意义
• 1.2 研究内容
• 1.3 研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.4 基于PTZ的运动目标跟踪难点及方法分类
• 1.4.1 基于PTZ的运动目标跟踪难点
• 1.4.2 基于PTZ的运动目标跟踪方法分类
• 1.5 论文结构及章节安排
• 第2章 基于PTZ的运动目标跟踪算法研究
• 2.1 Mean Shift算法在跟踪中的应用
• 2.1.1 目标模型描述
• 2.1.2 候选模型描述
• 2.1.3 相似性函数
• 2.1.4 目标定位
• 2.2 粒子滤波算法在跟踪中的应用
• 2.2.1 初始化
• 2.2.2 粒子状态转移
• 2.2.3 粒子状态观测更新过程
• 2.2.4 后验概率计算
• 2.2.5 重采样
• 2.3 本章小结
• 第3章 基于在线学习的运动目标跟踪方法研究
• 3.1 引言
• 3.2 基于在线学习的运动目标跟踪方法应用现状及分析
• 3.2.1 AdaBoost方法
• 3.2.2 Co-Training方法
• 3.2.3 MILBoost方法
• 3.2.4 其他方法
• 3.3 基于在线AdaBoost的目标跟踪
• 3.3.1 特征提取方法
• 3.3.2 弱分类器的形式
• 3.3.3 AdaBoost算法描述
• 3.3.4 基于在线AdaBoost的目标跟踪算法
• 3.4 实验结果与分析
• 3.5 本章小结
• 第4章 基于在线MILBoost的粒子滤波算法
• 4.1 引言
• 4.2 基于在线MILBoost的跟踪原理及算法
• 4.2.1 AnyBoost原理
• 4.2.2 基于AnyBoost的一种增强算法
• 4.2.3 MILBoost分类器的算法原理
• 4.2.4 基于在线MILBoost的跟踪算法原理
• 4.3 基于在线MILBoost的粒子滤波算法
• 4.3.1 改进的在线MILBoost算法
• 4.3.2 算法流程
• 4.3.3 算法步骤
• 4.3.4 算法分析
• 4.4 实验结果及分析
• 4.5 本章小结
• 第5章 基于PTZ摄像机的跟踪控制系统
• 5.1 高速球PTZ协议
• 5.2 PTZ跟踪任务与跟踪中的问题
• 5.2.1 PTZ跟踪任务
• 5.2.2 PTZ跟踪中的问题
• 5.3 PTZ跟踪控制系统设计
• 5.3.1 目标选择状态
• 5.3.2 P/T控制状态
• 5.3.3 ZOOM控制状态
• 5.4 实验结果与分析
• 5.5 本章小结
• 第6章 总结与展望
• 6.1 工作总结
• 6.2 展望
• 参考文献
• 致谢