复杂背景下运动目标跟踪技术研究

论文摘要

运动目标跟踪是一种能从图像信息中实时提取目标位置，自动跟踪运动目标的技术。在视频监控、人机交互、图像压缩等领域有广泛的应用。目标跟踪要求在存在噪声干扰、亮度变化、物体遮挡和复杂背景等状况下能够准确有效的跟踪到目标。本文围绕目标跟踪这个课题，主要分析研究了运动目标检测，运动估计和背景补偿，并针对MeanShift跟踪算法的不足之处，提出了改进算法。在序列图像预处理方面，介绍了常用的降噪滤波方法。针对运动估计和背景补偿，介绍了块匹配法和局部投影法。利用背景补偿可以将运动背景转化为静态背景，降低运动目标检测和跟踪的难度。分析了图像后处理中的膨胀、腐蚀、开闭等运算，用于消除结果图像中的空洞等缺陷。在运动目标检测研究方面，介绍了三种常用的运动目标检测算法，结合背景补偿和HOS算法对序列图像做了目标检测，得到了比较精确的结果。在运动目标跟踪方面，对MeanShift算法的理论进行了分析，验证了算法的收敛性。针对原有算法的不足，提出了改进方案：首先，将MeanShift和方向直方图相结合，方向直方图能有效的利用像素的方向信息。改进算法有效的解决了传统MeanShift算法在处理灰度图像或者纹理信息较少的图像时，不能取得很好的跟踪结果的缺陷，并且提高了跟踪的可靠性和有效性。其次，将MeanShift和卡尔曼滤波相结合，利用卡尔曼滤波预测目标在当前帧的可能位置，MeanShift算法在该位置邻域内进行搜素，有效的解决了存在遮挡情况下的跟踪问题。改进后的算法有效的克服了原算法的不足，扩展了算法的适应范围，提高了算法的准确性和鲁棒性。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 课题的研究背景和意义
• 1.2 课题的研究现状
• 1.2.1 国内外研究现状
• 1.2.2 存在的问题
• 1.3 本文的主要工作
• 1.4 研究工作和论文结构的安排
• 第二章 序列图像处理的理论基础
• 引言
• 2.1 预处理常用的降噪方法
• 2.1.1 中值滤波
• 2.1.2 均值滤波
• 2.1.3 维纳滤波
• 2.1.4 小波滤波
• 2.2 运动估计和背景补偿
• 2.2.1 运动估计理论
• 2.2.2 背景补偿原理及算法
• 2.3 形态学处理
• 2.4 本章小结
• 第三章 运动目标检测
• 引言
• 3.1 运动目标检测经典算法
• 3.1.1 运动目标检测方法
• 3.2 HOS检测方法在目标检测中的应用
• 3.2.1 高阶统计量
• 3.2.2 运动矢量估计
• 3.2.3 HOS算法的目标检测结果
• 3.3 本章小结
• 第四章 均值偏移算法在目标跟踪中的应用
• 引言
• 4.1 密度估计理论
• 4.1.1 参数密度估计
• 4.1.2 无参密度估计
• 4.2 Meanshift算法理论
• 4.2.1 Meanshift向量
• 4.2.2 MeanShift算法收敛性的讨论
• 4.3 基于MeanShift算法的目标跟踪
• 4.3.1 目标区域模型描述
• 4.3.2 候选区域模型描述
• 4.3.3 用Bhattacharyya系数度量相似度
• 4.3.4 目标定位
• 4.3.5 完整的目标跟踪算法
• 4.3.6 MeanShift跟踪算法的不足之处
• 4.4 基于方向直方图的MS跟踪算法
• 4.4.1 方向直方图的定义
• 4.4.2 原算法和改进算法跟踪效果的对比
• 4.5 本章小结
• 第五章 卡尔曼滤波在目标跟踪中的应用
• 引言
• 5.1 卡尔曼滤波器的理论
• 5.2 抗遮挡的基于卡尔曼滤波的MS跟踪
• 5.2.1 遮挡情况分析
• 5.2.2 卡尔曼滤波预测轨迹
• 5.2.3 基于卡尔曼滤波器的MS跟踪算法
• 5.3 实验结果与分析
• 5.4 本章小结
• 第六章 总结与展望
• 发表文章目录
• 参考文献
• 致谢