多目标检测跟踪算法研究

论文摘要

近年来,视频跟踪技术在许多行业中获得应用,影响也日益扩大,引起众多学者对其关注。视频跟踪系统在内容检索、智能监控、感知接口、运动分析等领域都有广泛的应用。人体运动目标的检测与跟踪是视觉跟踪的重要部分,在未来研究领域中有广阔的前景并能带来巨大的社会效益。基于特征的跟踪是视频跟踪系统较常采用的方法,通过特征识别目标也是人在生活中经常采用的方法。只要我们能对被跟踪对象有足够了解,总结出其特征规律,就能很好的跟踪它。多个运动目标在运动中发生相互遮挡的情况是视频跟踪研究中的难点问题。针对此问题,本文做了以下工作:1、目标检测:利用摄像机采集运动目标视频图像。回顾了三种传统的检测方法:帧差法、光流法和背景减除法,分析各自的优缺点。重点讨论了一种基于前景目标动态特性的背景更新的运动检测算法。该算法认为长时间不动的像素点为背景点,建立背景模型;用背景图像和当前帧图像进行差分,获得前景图像,用二值化图表示。实验分析了该算法的特性,讨论了该算法中参数的确定方法。2、前景图像预处理:对检测出的二值化运动目标前景图采用图像数学形态学算法进行一系列的滤波及开运算操作,以消除噪声和填补前景目标实体上“沟”、“洞”,减少对后续操作的影响;针对光照产生的运动目标阴影对识别结果的干扰,采用了一种阴影检测及消除方法,对运动目标的阴影进行检测并消除其影响;利用连通区域分析法定位前景图像上运动目标的位置、高度和宽度参数信息。3、目标跟踪:将场景中的运动目标分为五种状态,结合本文提出的区域对应和特征匹配相结合的多目标跟踪算法,有效解决运动目标发生遮挡时的跟踪和识别问题,并通过实验结果证明了该算法的有效性。本文的创新点在于:1、本文提出一种新的区域对应和特征匹配相结合的多目标跟踪算法。将运动目标之间的相互遮挡分为融合和分裂两过程。先用区域对应算法判断是否有融合分裂事件发生。对于运动目标无遮挡情况发生和目标间发生融合的情况,采用基于区域对应的目标跟踪算法。2、对于运动目标间出现分裂情况的时候,即目标间的遮挡将要结束时,采用一种新的颜色特征匹配准则计算直方图颜色相似度,进行二次跟踪判别。实验结果表明综合这两种处理方法,该算法计算速度快,能有效解决多目标的遮挡问题。

论文目录

• 摘要
• ABSTRACT
• 符号说明
• 第一章 绪论
• 1.1 文章研究背景及意义
• 1.2 国内外相关技术现状
• 1.3 本文算法研究解决的主要问题
• 1.4 论文安排
• 第二章 图像分析基础
• 2.1 图像处理技术
• 2.2 运动图像分析
• 2.3 经典的图像处理方法
• 2.3.1 图像平滑
• 2.3.2 孔洞填充
• 2.3.3 梯度检测
• 2.4 数学形态学基础
• 2.4.1 数学形态学的基本思想
• 2.4.2 数学形态学的基本算法
• 2.5 本章小结
• 第三章 运动目标检测
• 3.1 运动目标检测概述
• 3.2 自适应背景减除算法概述
• 3.3 基于前景目标动态特性的背景更新
• 3.3.1 基于像素的背景更新
• 3.3.2 基于帧的背景更新
• 3.3.3 背景减除和二值化处理
• 3.4 实验结果与分析
• 3.4.1 参数的选择
• 3.4.2 本文采用的目标检测算法实验结果
• 3.4.3 初始帧中含有运动目标的情况
• 3.4.4 背景大面积变化的情况
• 3.5 本章小结
• 第四章 前景图像的预处理
• 4.1 阴影检测与消除
• 4.2 形态学滤波
• 4.3 连通区域分析
• 4.4 本章小结
• 第五章 目标跟踪
• 5.1 跟踪算法概述
• 5.2 基于区域对应跟踪算法
• 5.3 目标群分裂后对应算法
• 5.3.1 颜色模型的建立和更新
• 5.3.2 颜色相似度的计算
• 5.4 计算复杂度的考虑
• 5.5 实验结果分析及对比
• 5.5.1 两种计算颜色相似度方法的比较
• 5.5.2 计算速度的比较
• 5.5.3 目标形状、速度和运动方向无规律的变化
• 5.5.4 目标在遮挡时突然改变方向
• 5.5.5 多人之间存在遮挡
• 5.5.6 多种类型目标间的遮挡
• 5.6 本章小结
• 第六章 结束语
• 6.1 本文的主要工作
• 6.2 后续研究工作建议
• 参考文献
• 致谢
• 攻读硕士期间发表的学术论文
• 学位论文评阅及答辩情况表