视频图像运动目标跟踪技术的研究

论文摘要

近几十年来,随着计算机技术的发展,视频目标跟踪系统广泛应用于各领域。视频目标跟踪往往由于复杂的背景图像和目标尺寸的变化变得非常困难。尽管人们对视频目标跟踪进行了较广泛的研究,并提出了许多有效的跟踪方法,但是迄今为止该课题仍然存在许多尚未解决的问题。本文首先综述了课题的研究背景和意义,分析了国内外的研究现状以及发展趋势,并对本文的研究重点和工作安排作了简要说明。由于目标尺寸变化以及遮挡对目标跟踪的影响比较明显,所以本文的研究重点为如何处理跟踪过程中目标尺寸的变化和目标的遮挡。运动目标的检测是视频目标跟踪的基础,主要包含图像预处理、运动目标检测方法及形态学处理。本文对这三方面的内容进行了深入的理论分析,并对运动目标检测方法进行了实验。实验结果证明方法的有效性,为后续的跟踪提供准确的目标模型。运动目标跟踪方面,首先对目标跟踪的理论进行了分析,包含传统的目标跟踪算法、预测算法以及相似度度量方法,并对MeanShift跟踪算法与Kalman滤波器进行了深入的研究。本文针对传统的MeanShift算法的不足,提出了Kalman滤波器修正方案,主要包含目标位置的预测与修正方案、目标模型的及时更新方案以及遮挡处理方案。实验证明将这三种方案结合起来能够有效地处理无尺寸变化目标的遮挡跟踪。针对尺寸变化目标的跟踪,本文在MeanShift算法与Kalman滤波器的基础上,将多尺寸空间的目标信息度量方法与Kalman滤波器相结合,提出了一种对目标尺寸进行预测与修正的Kalman滤波器方案。实验证明该方案能够自适应选择合适的目标尺寸进行跟踪。在此基础上,将该方案与无尺寸变化目标的遮挡方案相结合,提出了尺寸变化目标的遮挡处理方案。实验证明该方案能够很好的处理尺寸变化目标的遮挡跟踪。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的研究背景和意义
• 1.2 国内外研究现状及发展趋势
• 1.3 主要的研究内容与工作安排
• 第2章 运动目标的检测
• 2.1 图像预处理
• 2.1.1 均值滤波
• 2.1.2 中值滤波
• 2.1.3 维纳滤波
• 2.1.4 高斯滤波
• 2.2 运动目标检测方法
• 2.2.1 帧差分法
• 2.2.2 背景差分法
• 2.3 形态学处理
• 2.4 本章小结
• 第3章 运动目标跟踪的理论基础
• 3.1 基本的运动目标跟踪算法
• 3.1.1 基于对比度的跟踪算法
• 3.1.2 基于图像匹配的跟踪算法
• 3.1.3 基于模板相关匹配的跟踪算法
• 3.1.4 基于无参密度估计的MeanShift算法
• 3.2 滤波预测算法
• 3.2.1 最优线性均方误差估计算法
• 3.2.2 粒子滤波算法
• 3.3 相似性度量方法
• 3.3.1 巴特查理亚系数
• 3.3.2 Hausdorff距离
• 3.3.3 欧氏距离
• 3.4 本章小结
• 第4章 基于MeanShift与Kalman的无尺寸变化目标跟踪
• 4.1 基于MeanShift算法的无尺寸变化目标跟踪
• 4.1.1 MeanShift算法的基础
• 4.1.2 目标跟踪中的MeanShift算法
• 4.1.3 MeanShift算法的实现
• 4.1.4 实验结果与分析
• 4.2 Kalman滤波器在无尺寸变化目标跟踪中的应用
• 4.2.1 Kalman滤波器的基本原理
• 4.2.2 目标位置的预测与修正
• 4.2.3 目标的遮挡处理
• 4.2.4 目标模型的更新
• 4.2.5 实验结果与分析
• 4.3 本章小结
• 第5章 尺寸变化目标的自适应跟踪
• 5.1 目标尺寸信息度量的基础
• 5.2 目标尺寸的预测与修正
• 5.2.1 基于Kalman的目标尺寸预测与修正原理
• 5.2.2 目标尺寸的预测与修正算法
• 5.3 无遮挡的尺寸变化目标的跟踪
• 5.3.1 无遮挡的目标尺寸的估计
• 5.3.2 实验结果与分析
• 5.4 遮挡的尺寸变化目标的跟踪
• 5.4.1 遮挡的目标尺寸的估计
• 5.4.2 实验结果与分析
• 5.5 本章小结
• 第6章 运动目标跟踪系统的设计与实现
• 6.1 系统设计
• 6.1.1 提取运动目标模块
• 6.1.2 系统跟踪类型初始化模块
• 6.1.3 运动目标跟踪模块
• 6.2 系统实现
• 6.3 本章小结
• 第7章 总结与展望
• 7.1 工作总结
• 7.2 研究展望
• 致谢
• 参考文献
• 硕士期间发表论文