论文摘要
本文以基于静态背景下,对运动的物体进行识别、检测和跟踪,并鉴于软件编程的可实现性,在对图像进行预处理前提下,采用自适应高斯背景模型为静止背景下的图像序列提供背景图像,同时为了能更好的响应实际背景发生变化的情形,特别是对自适应背景,本文提出了算法上的改进和简化。在图像预处理方面,主要分析了图像预处理处理方法,包括:中值滤波、维纳滤波、灰度处理、直方图均衡化技术,并对其进行了仿真。在背景建立方面,通过对高斯背景模型的分析,对高斯模型加以改进,主要针对其方差和均值进行修改,变换样本均值和方差的计算方式,对其动态抽取样本,缩短取样时间和难度,尽快完成背景的初始化。在目标检测方面,给出了运动目标检测与分割的仿真结果。在介绍了三种传统的运动目标检测算法的基本原理的基础上,运用帧间差分的方法,对目标进行提取,并对提取后的图像作出形态学处理,从而得到理想的目标提取图像。在运动目标跟踪研究方面,本文从理论上分析卡尔曼滤波器的工作过程,基于人体运动特点和卡尔曼滤波的预测特性,提出一种基于人体中心的改进算法,提高预测的准确性,从而缩小搜索范围,减少搜索时间。
论文目录
摘要Abstract1 引言1.1 选题的背景及其意义1.2 运动目标检测和跟踪存在的困难1.2.1 光线亮度的变化1.2.2 背景景物的变动1.2.3 阴影和物体间的重叠遮盖1.2.4 前景目标与背景中物体相近1.2.5 非静态背景1.2.6 运动目标的高速运动1.3 国外研究现状1.4 国内研究现状1.5 本文研究内容2 图像的预处理2.1 图像的增强2.1.1 邻域均值滤波2.1.2 中值滤波2.1.3 维纳滤波2.1.4 滤波试验对比2.2 灰度变换2.3 直方图均衡化2.4 背景模型的建立2.4.1 背景模型的概念2.4.2 传统背景模型的建立2.4.3 本文背景的建立2.5 色彩空间的选取2.6 小结3 运动目标检测3.1 图像运动目标检测的基本方法3.2 帧间差分法3.2.1 连续帧间差分法的基本原理3.2.2 连续帧间差分的实现3.2.3 差分3.3 边缘检测3.3.1 Robert 算子3.3.2 Sobel 算子3.3.3 Prewitt 算子3.3.4 Laplacian 算子3.4 二值化3.5 数学形态学滤波处理3.5.1 膨胀3.5.2 腐蚀3.5.3 开运算3.5.4 闭运算3.6 连通区域检测3.7 光流法3.7.1 光流场方法分析及应用3.8 背景差分法3.9 背景模型的更新3.9.1 背景图像更新方法3.10 运动目标的快速识别3.11 试验结果与分析3.12 本章小结4 基于卡尔曼滤波的运动目标跟踪4.1 基于3-D 模型的跟踪方法4.2 基于特征匹配跟踪方法4.3 基于区域匹配的跟踪方法4.4 卡尔曼滤波器4.4.1 卡尔曼滤波基本原理4.4.2 基于卡尔曼滤波器的运动目标估计4.4.3 卡尔曼滤波器仿真4.4.3 应用卡尔曼滤波器4.5 卡尔曼滤波在人体运动跟踪中的应用4.5.1 本文卡尔曼滤波改进算法4.5.2 试验结果5 结论6 展望参考文献致谢
相关论文文献
标签:维纳滤波论文; 背景建立论文; 运动目标检测论文; 帧间差分论文; 卡尔曼滤波论文;