复杂场景下多运动目标实时检测与跟踪

论文摘要

近年来,随着视频监控系统的普及,尤其是在“9.11”事件及轮敦地铁爆炸事件以后,对安全监控的投入急剧上升,因此对运动目标检测与跟踪技术的研究,成为一项具有非常重要且有价值的课题。通过智能监控的方法,不但可以节减人力成本,还保障了社会安全。本文的主要工作是研究复杂场景下运动目标的实时检测与跟踪问题。首先,它详细地说明了目标检测与跟踪的研究背景、研究现状和分类,并引出本文的研究重点:单摄像机静态背景下基于背景差分法的运动目标检测与跟踪。单摄像机静态背景下基于背景减法的运动目标检测与跟踪系统中主要包括背景提取、目标检测和目标跟踪三大基本步骤。本文以后的内容也是围绕这个脉络展开的。在背景提取方面,首先详细地研究了两种应用较广泛的背景提取方法:混合高斯背景和Kalman背景,并进行了相应的实验分析。然后针对混合高斯背景模型计算复杂但收敛快和Kalman滤波器计算简单但收敛较慢的特点,提出收敛帧的概念。通过确定收敛帧,在此帧前用混合高斯模型快速初始化背景帧,此帧后用Kalman滤波器来更新背景,从而提高了背景提取的速度,增强了本文系统的实时处理性能。在目标检测方面,首先总结了运动目标检测的四大类基本方法:背景减法、帧差法、光流法和特征匹配法,并通过实验分析了这些方法的适用性。然后深入研究了几种用于阈值选取的数学理论:固定阈值、最大类间方差阈值和Renyi熵阈值,并引入遗传算法和蚁群算法来优化对阈值的搜索,通过实验对比得出,复杂场景下可采用对背景差图进行阈值化,从而提高检测的质量。最后重点研究了后处理方法中的阴影消除方法,通过实验对阈值化后的带阴影的前景图像进行阴影消除,并得出最终的检测结果。在目标跟踪方面,首先重点研究了粒子滤波的原理,并介绍了粒子滤波在目标跟踪中的应用。其次在分析了粒子滤波过程的基础上提出一些措施来优化抽样和重采样过程。然后在分析了运动目标遮挡关系的基础上,提出了一种判断遮挡关系的方法,即通过粒子置信度的大小,将遮挡目标划分为无遮挡、部分遮挡和全遮挡三种关系,并分别给出三种情况下的解决方案。最后通过实验效果分析方法的有效性,并根据跟踪的目标轨迹进行了一些简单的数据分析:标定、计算准世界坐标、计算速度与加速度。总之,以上研究成果不仅解决了运动目标检测与跟踪技术中的几个关键性问题,而且丰富了此方面的相关理论方法和实现技术。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 研究现状及发展
• 1.2.1 背景提取及更新
• 1.2.2 运动目标检测
• 1.2.3 运动目标跟踪
• 1.3 研究内容
• 1.4 内容组织
• 1.5 课题来源
• 第2章 背景提取及更新
• 2.1 引言
• 2.2 基于混合高斯模型的背景研究
• 2.2.1 像素模型的建立
• 2.2.2 背景模型的建立与更新
• 2.2.3 实验分析
• 2.3 基于KALMAN 滤波器的背景研究
• 2.3.1 Kalman 时域递归低通滤波原理
• 2.3.2 Kalman 滤波用于背景估计
• 2.3.3 实验分析
• 2.4 基于收敛帧的背景提取及更新方法
• 2.4.1 收敛帧的定义及判断
• 2.4.2 收敛帧算法实现
• 2.4.3 实验分析
• 2.5 本章小结
• 第3章 运动目标检测
• 3.1 引言
• 3.2 运动目标检测方法
• 3.2.1 基于背景减法的运动目标检测
• 3.2.2 基于帧差法的运动目标检测
• 3.2.3 基于光流法的运动目标检测
• 3.2.4 基于特征匹配法的运动目标检测
• 3.2.5 实验分析
• 3.3 阈值选取
• 3.3.1 固定阈值
• 3.3.2 基于Ostu 的阈值选取
• 3.3.3 基于Renyi 熵的阈值选取
• 3.3.4 实验分析
• 3.4 目标检测后处理
• 3.4.1 光照突变处理
• 3.4.2 阴影处理
• 3.4.3 连通域检测
• 3.4.4 实验分析
• 3.5 本章小结
• 第4章 运动目标跟踪
• 4.1 引言
• 4.2 粒子滤波原理及跟踪问题表达
• 4.2.1 蒙特卡罗模拟
• 4.2.2 序贯重要性采样
• 4.2.3 退化现象
• 4.2.4 重要性函数的选择
• 4.2.5 重采样
• 4.2.6 粒子滤波算法
• 4.2.7 基于粒子滤波算法的目标跟踪
• 4.3 基于形状的颜色匹配辅助粒子滤波跟踪
• 4.3.1 辅助粒子采样
• 4.3.2 基于形状的颜色匹配
• 4.3.3 遮挡判断及处理
• 4.4 实验分析
• 4.4.1 轨迹跟踪
• 4.4.2 数据处理
• 4.5 本章小结
• 第5章 总结与展望
• 5.1 工作总结
• 5.2 工作展望
• 参考文献
• 攻读硕士期间已发表的论文
• 致谢