基于视频的目标检测和跟踪

论文摘要

动态视觉信息是人所感知的视觉信息中主要的组成部分,虽然人类的视觉既能看见运动又能看到静止的物体,但是在许多场合,比如重要场所的安全监控、汽车的自动驾驶和辅助驾驶、交通流量的控制、军事视觉制导等,人们往往只对运动目标或物体感兴趣。因此,研究运动目标的检测和跟踪,有很大的现实意义和理论价值。本文主要研究了面向安全场所的视频监控的关键技术。重点研究静态背景下运动目标的检测、目标跟踪。主要工作有：1、静态背景下的目标检测。针对背景差分法的缺点,本文利用基于灰度和边缘差分的目标检测算法,并结合高斯模型为背景图像建模,在对视频图像处理的过程中,使用自适应的背景模型更新算法对背景模型进行修正,经过修正后的背景模型能够及时反映出背景的动态变化。首先通过减运算得到背景图像和前景图像的灰度差分值,对图像值取绝对值；然后利用Sobel算子对背景和前景图像进行边缘检测,并进行边缘差分；最后将两次差分结果进行逻辑或运算,得到运动目标的检测结果。该方法能够在较大程度上满足系统的要求,提高检测结果精度。2、静态背景下的目标跟踪。针对均值漂移算法存在的不足,利用连续自适应均值漂移算法(CamShift)进行目标的跟踪,在CamShift算法基础上对搜索窗口进行简单运动预测,提高跟踪的稳定性。CamShift是一种应用颜色信息的跟踪算法,在跟踪过程中,CamShift利用目标的色彩直方图模型得到每帧图像的色彩投影图,并根据上一帧跟踪的结果自适应调整搜索窗口的位置和大小,从而得到当前图像中目标的尺寸和中心位置。该算法在图像背景复杂且目标不规则运动的情形下,仍能有效跟踪到目标。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 课题研究的目的及意义
• 1.2 研究现状及所存在的问题
• 1.2.1 运动目标检测
• 1.2.2 运动目标跟踪
• 1.3 本文的主要研究内容及组织结构
• 第二章 基本理论
• 2.1 图像处理相关知识
• 2.1.1 彩色图像灰度化
• 2.1.2 图像平滑处理
• 2.1.3 边缘检测
• 2.1.4 区域连通
• 2.2 图像采集相关
• 2.2.1 基于Windows API的图像采集
• 2.2.2 基于SDK的图像采集
• 2.3 小结
• 第三章 运动目标的检测
• 3.1 运动目标检测算法
• 3.1.1 高斯背景模型建立及更新
• 3.1.2 运动目标检测
• 3.1.3 实验结果分析
• 3.2 小结
• 第四章 运动目标的跟踪
• 4.1 MEAN SHIFT算法
• 4.1.1 色彩空间
• 4.1.2 直方图背投影
• 4.1.3 Mean Shift算法
• 4.2 基于CAMSHIFT的目标跟踪
• 4.2.1 CamShift算法简介
• 4.2.2 CamShift
• 4.3 改进CAMSHIFT的目标跟踪
• 4.4 实验结果分析
• 4.5 小结
• 第五章 结束语
• 5.1 总结
• 5.2 进一步的研究方向
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表