运动场景中目标检测与跟踪技术研究

论文摘要

运动目标的检测与跟踪技术是计算机视觉系统的关键技术之一。目前,静止场景中的目标检测与跟踪技术研究已经日趋成熟,在军事、交通、工业制造等领域得到了广泛的应用。相对于静止场景,运动场景是指摄像机运载平台的姿态的改变而造成了背景与被检测目标之间的相对运动。在运动场景中,目标检测与跟踪技术将变得更加复杂。特别是在复杂的实际场景中,检测与跟踪技术的实时性和可靠性往往难以得到保证,是当今检测与跟踪技术研究的难点。如何准确区分背景与运动目标是运动场景的目标检测与跟踪技术的首要任务。目前,运动场景中的目标检测与跟踪分为背景运动补偿技术、目标检测技术和目标跟踪技术三大部分。围绕这三大技术环节,本文主要工作如下:重点研究了背景运动补偿技术。提出了一种新的特征点检测技术,即改进的MIC算法。利用该算法提取出有效的特征点,结合有效的自适应十字搜索算法和鲁棒性较高的随机样本一致估计算法,求解出背景全局运动模型的各个参数,从而快速有效地完成了运动背景的补偿。在背景补偿的基础上,利用简单有效的帧差法,结合形态学滤波技术,实现目标的检测与定位。重点研究了目标跟踪技术。通过对卡尔曼滤波估计算法和均值漂移算法的研究,提出了一种基于差分图像和灰度直方图的均值漂移快速算法,与传统的卡尔曼滤波跟踪算法相比,本文提出的算法可以更准确地快速地跟踪运动目标。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 选题的背景和意义
• 1.2 本课题的研究现状和所存在的问题
• 1.2.1 背景运动补偿技术
• 1.2.2 运动目标检测技术
• 1.2.3 运动目标跟踪技术
• 1.3 本文的研究内容及章节安排
• 第二章 背景运动估计与补偿
• 2.1 背景运动参数建模
• 2.2 运动估计
• 2.2.1 特征点的提取
• 2.2.2 基于搜索策略的特征点匹配
• 2.3 背景运动补偿
• 2.3.1 全局运动参数的鲁棒估计
• 2.3.2 全局运动补偿
• 2.4 实验结果与分析
• 2.5 本章小结
• 第三章 运动目标检测与跟踪
• 3.1 运动目标检测
• 3.1.1 帧差法提取运动信息
• 3.1.2 利用形态学滤波检测目标
• 3.1.3 实验结果与分析
• 3.2 运动目标跟踪
• 3.3 基于卡尔曼滤波的目标位置预测
• 3.3.1 卡尔曼滤波原理
• 3.3.2 基于卡尔曼滤波的目标位置预测
• 3.3.3 实验结果与分析
• 3.4 基于Mean Shift 方法的目标跟踪
• 3.4.1 无参密度估计理论
• 3.4.2 Mean Shift 算法原理
• 3.4.3 目标跟踪中的Mean Shift 方法
• 3.4.4 实验结果与分析
• 3.5 本章小结
• 第四章 总结与展望
• 参考文献
• 致谢
• 攻读硕士期间所发表的论文