基于形状外观的运动船只识别与跟踪技术研究

论文摘要

海面运动目标检测、识别与跟踪技术在海防安全、海关管理、海上缉私以及港口船只调度等场合都有比较重要的用途。海面上来往船只碰撞的预警、报警以及识别海面运动目标的类别,这些对海上安全有着重要的应用意义。本文主要进行海面运动船只的识别与跟踪技术的研究和应用。首先概述了海上运动目标检测和跟踪的研究与发展现状;对目前主要的运动目标识别和跟踪方法进行了简要论述;对基于形状特征匹配的识别方法进行了深入的研究和应用;利用CamShift算法对运动目标进行了跟踪。本文的主要研究工作和创新点包括以下几点:1、对图像边缘特征检测算法进行了深入研究,提出了一种基于自适应阈值的SUSAN边缘检测算法,该算法对每个模板都计算自适应阈值,克服了传统的SUSAN算子对灰度细节丰富的图像检测效果会不够理想的情况。2、深入研究了目标的形状特征,并用形状上下文描述目标的特征,提出了采用两级递推由粗到细的识别方式,在粗匹配阶段用形状距离来描述目标模型和船只图像整体形状上的相似性快速找出候选目标,再进行基于TPS变形模板的细匹配过程,从而实现形状最佳匹配意义上的快速准确目标识别。3、对CamShift方法进行了深入研究并把它应用于海面船只跟踪系统中,在识别出目标船只后,利用Hue信息对船只区域建立色彩直方图,对后续帧利用该信息采用CamShift对船只区域进行跟踪,也可以进行多目标的跟踪。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 研究背景和意义
• 1.2 海面运动目标识别与跟踪系统发展现状
• 1.3 研究内容和技术难点
• 1.4 论文结构安排
• 第二章 运动目标形状描述与跟踪方法探讨
• 2.1 形状分析方法研究
• 2.1.1 基于轮廓线的数值型方法
• 2.1.2 基于轮廓线的非数值型方法
• 2.1.3 基于区域的数值型方法
• 2.1.4 基于区域的非数值型方法
• 2.2 图像匹配技术研究
• 2.2.1 图像匹配概述
• 2.2.2 相似性测度
• 2.3 运动目标跟踪技术研究
• 2.3.1 基于模板的跟踪
• 2.3.2 基于区域的跟踪
• 2.3.3 基于轮廓的跟踪
• 2.3.4 基于特征的跟踪
• 2.4 小结
• 第三章 基于形状的特征提取与匹配
• 3.1 基于SUSAN算子的边缘检测
• 3.1.1 SUSAN算法原理
• 3.1.2 自适应阈值的SUSAN算法
• 3.1.3 SUSAN算法实验及分析
• 3.2 基于形状上下文特征描述
• 3.2.1 形状上下文特征
• 3.2.2 不变性和鲁棒性分析
• 3.3 基于形状上下文的目标匹配
• 3.3.1 形状距离描述
• 3.3.2 TPS变形模型
• 3.3.3 两级递推匹配
• 3.4 实验结果与分析
• 3.4.1 船只匹配结果比较
• 3.4.2 目标识别实验结果
• 3.4.3 实验匹配率分析和比较
• 3.5 小结
• 第四章 基于CAMSHIFT的目标跟踪
• 4.1 颜色空间
• 4.1.1 视频中颜色转换
• 4.1.2 颜色概率分布图
• 4.2 均值位移算法（MEAN SHIFT）
• 4.2.1 算法实现
• 4.2.2 算法分析
• 4.3 连续自适应的均值位移算法（CAMSHIFT）
• 4.3.1 算法实现
• 4.3.2 算法分析
• 4.4 实验结果与分析
• 4.4.1 系统流程
• 4.4.2 跟踪流程
• 4.4.3 海面运动目标跟踪结果
• 4.5 小结
• 第五章 结束语
• 5.1 主要工作总结
• 5.2 将来工作的展望
• 参考文献
• 研究生期间发表论文及参与项目
• 致谢