论文摘要
运动目标的检测和跟踪是计算机视觉领域的核心课题,它融合了图像处理、模式识别、人工智能等多门学科的先进技术,在安全监控、军事视觉控制、医疗诊断、交通管制等方面具有重要的实用价值和广阔的发展前景。目标的轮廓跟踪更是能够在对目标进行跟踪的同时,得到目标的轮廓信息,而目标轮廓是对目标和目标行为进行识别的最重要的特征之一。因此,轮廓跟踪更便于系统对目标及其行为进行感知和理解,具有非常重要的研究意义。本次毕业论文作为实验室“视频监控系统”项目的一部分,主要研究了针对视频安全监控系统的运动目标轮廓跟踪和识别。主要研究工作如下:1通过阅读大量中外文献,系统地研究了视频监控系统结构,总结了目前常用的目标检测和跟踪算法,深入研究了两种经典的跟踪算法:Mean-Shift跟踪算法和粒子滤波跟踪算法。2提出了一种基于Condensation和Mean-Shift的轮廓跟踪算法。该算法针对Condensation跟踪算法状态转移方程中参数不能进行自适应调整以及粒子评估过程中评估准则单一等的不足,创新性的引入了Mean-Shift跟踪算法,将两种方法有机结合,实现了更好的轮廓跟踪。3提出了一种基于Mean-Shift和边缘检测的轮廓跟踪算法。该算法首先利用Mean-Shift跟踪得到目标物体的中心位置,从前景图像和更新后的背景图像中分别得到前景矩形区域和背景矩形区域,然后用背景分割和边缘检测的方法得到目标物体的轮廓。此算法可以对目标进行稳定、准确、快速的轮廓跟踪。4提出了一种基于小波轮廓描述符的目标识别算法。该算法采用小波描述符的方法来表征物体的轮廓,然后用轮廓的小波描述符和样本物体轮廓的小波描述符进行匹配比较,找出与其最为匹配的样本物体,把目标物体归类到此样本物体所属类别中,以此来完成对目标物体的识别。小波轮廓描述符对目标的旋转、缩放和平移具有不变性,因此,此算法具有很好的性能。5建立了一个基于图形形状的图形分类系统。该系统能够测试各种轮廓描述符根据目标轮廓对目标进行识别的性能好坏,系统可以方便地添加和删除描述符算子、样本图像等,便于比较和研究各种轮廓描述符的性能,为未来深入研究目标的识别提供了良好的实验平台。