二维视频中目标的三维轨迹检测算法研究

论文摘要

在计算机视觉领域,运动目标跟踪一直是一个比较热门的研究方向,目前针对这方面的研究也比较多。这在很大程度上与运动目标跟踪在智能视频监控、基于目标的视频压缩、虚拟现实以及辅助驾驶等领域都有比较多的应用是分不开的。近年来,在目标跟踪领域提出了许多算法,例如提取轮廓、纹理、颜色信息或各种利用傅里叶变换和小波变换来进行目标识别和跟踪的算法。同时,各种参数、非参数的概率密度估计方法也被应用到了目标跟踪技术中来,其中比较典型的就是卡尔曼滤波器(Kalman Filter)与粒子滤波器(Particle Filter)。与此同时,二维视频中的三维信息提取技术同样是计算机视觉领域的重要研究方向。相对于二维信息,三维信息包含更多的信息量。在运动目标跟踪的同时,目标的三维运动轨迹可以为系统提供更多关于目标的信息。这些信息对于视频监控、辅助驾驶等应用都会有比较大的帮助。从二维视频中提取三维信息是一个复杂的逆过程,需要用到摄像机成像模型并对各种噪声、误差进行处理,其中摄像机标定技术最为关键。近些年来,摄像机标定技术得到了广泛而深入的研究。本文研究的主要目标是获取二维视频中运动目标的三维运动轨迹。本文提出了一个自动跟踪运动目标并检测其三维运动轨迹的目标跟踪系统,该系统由运动目标跟踪以及三维信息提取两个模块组成。文中分别对目标检测与跟踪、摄像机成像模型、标定以及坐标反变换等做了分析和研究,并针对部分算法存在的不足提出了改进意见以及改进方法。在这些研究的基础上,本文最终将各种改进算法结合到一起,实现了对二维视频中运动目标的三维运动轨迹的获取。本文提出的运动目标跟踪算法是在对混合高斯模型(GMM)与粒子滤波器(Particle Filter)这两种数学工具的分析和研究的基础上提出来的。本文将这两种数学工具有机地结合到一起并引入目标匹配机制,提出了一种针对视频中运动目标的自动跟踪算法。本文提出的运动目标自动跟踪算法首先利用混合高斯模型(GMM)进行背景建模从而实现运动目标检测,随后利用粒子滤波器(Particle Filter)对检测到的目标进行跟踪,之后对两个算法得到的目标进行匹配以实现目标的自动融合与识别,同时也能够提高跟踪算法的鲁棒性。本文的三维信息提取算法主要建立在对摄像机成像模型和经典摄像机标定算法的分析和研究的基础上。本文在对上述理论进行了充分研究之后,首先通过实验找到摄像机标定中出现较大误差的原因。随后,本文提出一种标定点坐标修正的策略,根据标定物体的几何信息对计算机坐标系下的坐标进行修正,以尽可能地避免由于标定点坐标的小幅度偏差导致的标定失败。最后,根据标定算法得到的参数进行坐标反变换得到实际目标的三维坐标。本文最后在PC机上利用Visual Studio2005以及OpenCV实现了上述自动的运动目标跟踪系统。实验结果表明,该系统对于运动目标的跟踪测试效果良好。在对于小目标以及接近背景的目标的情况下也能正确地跟踪目标。同时,系统能够准确地计算得到目标的实际三维运动轨迹。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 研究现状
• 1.2.1 目标跟踪技术
• 1.2.2 三维信息提取
• 1.3 技术难点
• 1.4 本文的主要研究内容
• 第二章 运动目标检测算法
• 2.1 帧间差分法
• 2.2 光流法
• 2.3 背景差分法
• 2.4 基于混合高斯背景建模的运动目标检测算法
• 2.4.1 经典GMM 模型
• 2.4.2 基于运算改进的GMM 模型
• 2.4.3 基于混合高斯背景建模的运动目标检测算法
• 2.5 实验结果与分析
• 2.5.1 序列一
• 2.5.2 序列二
• 2.5.3 结果分析
• 2.6 本章小结
• 第三章 运动目标跟踪算法
• 3.1 粒子滤波（Particle Filter）
• 3.2 基于粒子滤波的目标运动预测
• 3.2.1 数学模型
• 3.2.2 置信度、权重以及预测运动向量
• 3.2.3 目标运动预测算法
• 3.3 目标跟踪技术
• 3.3.1 目标跟踪技术框架
• 3.3.2 目标匹配
• 3.3.3 改进的目标跟踪技术
• 3.4 实验结果与分析
• 3.4.1 实验一
• 3.4.2 实验二
• 3.4.3 实验三
• 3.4.4 实验四
• 3.5 本章小结
• 第四章 三维信息提取算法
• 4.1 摄像机成像模型
• 4.1.1 四种参考坐标系
• 4.1.2 摄像机成像模型
• 4.1.3 摄像机模型变换公式的矩阵形式
• 4.2 摄像机标定
• 4.2.1 求解透视投影矩阵
• 4.2.2 获取摄像机的各个参数
• 4.3 基于几何信息的坐标预修正策略
• 4.4 坐标反变换
• 4.5 目标的三维轨迹检测
• 4.6 实验结果与分析
• 4.6.1 经典摄像机标定算法以及经过坐标修正之后的摄像机标定算法
• 4.6.2 坐标反变换算法
• 4.6.3 目标的三维轨迹检测
• 4.7 本章小结
• 第五章 总结与展望
• 参考文献
• 致谢
• 作者攻读学位期间发表的学术论文
• 上海交通大学硕士学位论文答辩决议书