交通图像序列中的多目标跟踪

论文摘要

运动目标检测与跟踪是研究在序列图像中提取出运动目标区域、分析运动目标特征和运动状态进行匹配与跟踪、估计有关运动参数的分析技术。基于视频的运动目标检测和跟踪是计算机视觉中一个重要的研究领域,而智能车辆监控系统中的运动车辆的检测和跟踪是其重要的一个应用。本文设计的运动车辆的检测和跟踪算法有效地实现了对交通的智能监控。本文研究了一种简单、快速的实时交通场景中多目标的检测与跟踪算法。首先根据背景差分法,初步确定目标范围,然后使用图像形态学操作和连通标记,获取目标位置。并使用优化的最小近邻法和矩阵关联法对目标车辆进行跟踪。实验结果证明,该方法实时性和准确率达到要求,可以作为智能交通系统的一个重要组成部分。本文创新点具体体现在：首先,在背景建模时使用了高斯统计模型,使检测与跟踪具有自适应性：其次,算法中采用链表的数据结构进行连通域标记,减少计算量；并且采用优化的最小近邻法,适应目标数量的动态变化。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.2 国内外研究动态
• 1.3 涉及的难点及解决方法
• 1.4 本文研究内容
• 1.5 本文章节安排
• 1.6 本章小结
• 第2章 目标检测和跟踪技术的研究
• 2.1 概述
• 2.2 运动目标检测的基本概念和主要技术方法
• 2.2.1 运动目标检测的基本概念
• 2.2.2 运动目标检测的主要方法
• 2.2.3 静止背景下的运动目标检测
• 2.2.4 运动背景下的运动目标检测
• 2.2.5 运动目标检测涉及其他技术的研究
• 2.3 运动目标跟踪的主要技术
• 2.3.1 基于区域匹配跟踪
• 2.3.2 基于轮廓匹配跟踪
• 2.3.3 基于特征匹配跟踪
• 2.3.4 基于运动特性的目标跟踪
• 2.4 本章小结
• 第3章 系统方案设计
• 3.1 系统的整体方案设计
• 3.2 运动目标检测子系统方案设计
• 3.2.1 运动目标检测系统的设计目标
• 3.2.2 运动目标检测系统的整体框架
• 3.3 运动目标跟踪子系统方案设计
• 3.3.1 设计目标
• 3.3.2 运动目标跟踪子系统的整体框架
• 3.4 本章小结
• 第4章 多目标跟踪系统的实现
• 4.1 多目标检测的实现
• 4.1.1 视频图像读入模块
• 4.1.2 背景估算模块
• 4.1.3 运动目标提取模块
• 4.1.4 运动目标定位模块
• 4.1.5 运动目标分类模块
• 4.1.6 实验结果
• 4.2 基于最小近邻法的多目标跟踪
• 4.2.1 优化的最近邻法
• 4.2.2 目标跟踪实现
• 4.2.3 实验结果和结论
• 4.3 基于矩阵关联法的多目标跟踪
• 4.3.1 矩阵关联法
• 4.3.2 实验结果和结论
• 4.4 本章小结
• 第5章 总结和展望
• 5.1 本文工作总结
• 5.2 未来工作展望
• 参考文献
• 致谢