基于固定单视点的目标检测与跟踪技术研究

论文摘要

运动目标检测与跟踪技术广泛应用于智能视频监控、人机交互、军事应用等领域,同时也是目标识别、分类和行为分析与理解的基础,是计算机视觉领域研究的热点之一。论文针对前景检测时背景更新和跟踪过程中目标尺度变化、遮挡等问题,对运动目标检测与跟踪算法进行了研究。其研究主要内容如下:1)针对经典的非参数核密度估计算法在背景更新时引起的背景污染和计算量大等问题,提出了基于时间信息窗的核密度估计（TIW-KDE）算法。该算法充分利用沿时间轴上的前景帧信息,自适应地将背景划分为动态背景区域和非动态背景区域,仅对满足条件的动态背景用改进的非参数核密度估计算法进行更新,对非动态背景区域用渐进式算法更新,有效解决了前景检测不够精确、实时性差等问题。2)针对基于颜色特征的粒子滤波算法在跟踪过程中不能有效处理具有明显尺度变化的目标这一问题,提出了一种新的跟踪窗尺度自适应更新算法。该算法在视觉理论基础上提取目标的初始简图,并以初始简图中要素的数量变化作为度量信息来判断目标的尺度变化情况,以此算法改进了基于颜色直方图的粒子滤波算法,有效解决了跟踪过程中跟踪窗口自适应调整问题。3)针对传统的粒子滤波算法在跟踪过程中不能有效处理目标遮挡这一问题,提出了一种融合子块匹配与轨迹预测的粒子滤波跟踪算法。该算法首先判断目标的遮挡情况,当目标发生部分遮挡时,将目标模版进行分块,通过各个子块搜索出的最佳匹配块来估算目标位置;当目标被严重遮挡时,通过目标的历史运动轨迹来预测目标位置。有效增强了粒子滤波算法在处理遮挡问题时的鲁棒性。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外研究现状
• 1.2.1 运动目标检测研究
• 1.2.2 运动目标跟踪研究
• 1.3 当前存在的主要问题
• 1.4 本文的主要研究内容与创新点
• 1.5 本文组织结构
• 第二章 基于时间窗的自适应核密度估计运动检测
• 2.1 背景减法概述
• 2.2 非参数核密度估计检测方法
• 2.3 基于时间窗的核密度估计运动检测
• 2.3.1 自适应核宽选取
• 2.3.2 时间信息窗概念简述
• 2.3.3 基于时间信息窗的自适应背景更新策略
• 2.3.4 算法步骤
• 2.4 实验结果及分析
• 2.4.1 实验结果比较
• 2.4.2 时间对比
• 2.5 本章小结
• 第三章 基于粒子滤波的跟踪窗自适应更新算法
• 3.1 粒子滤波跟踪方法介绍
• 3.1.1 粒子滤波基本原理
• 3.1.2 粒子模版相似性度量
• 3.1.3 目标位置确定及目标模版更新
• 3.1.4 粒子重采样
• 3.2 跟踪窗自适应更新的粒子滤波跟踪方法
• 3.2.1 图像的两类特征点
• 3.2.2 基于大津法的尺度空间信息量度量方法
• 3.2.3 跟踪窗自适应更新算法
• 3.2.4 算法流程图
• 3.3 实验结果及分析
• 3.4 本章小结
• 第四章 融合子块匹配与轨迹预测的抗遮挡目标跟踪
• 4.1 遮挡问题的分析与研究
• 4.1.1 遮挡过程分析
• 4.1.2 遮挡处理方法
• 4.2 子块匹配与轨迹预测相结合的跟踪算法
• 4.2.1 子块匹配算法
• 4.2.2 轨迹预测算法
• 4.2.3 算法步骤
• 4.3 实验结果及分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 论文工作总结
• 5.2 未来工作展望
• 参考文献
• 攻读学位期间公开发表的论文与参与的科研项目
• 致谢