视频监控中车辆检测与跟踪技术的研究

论文摘要

视频监控技术不仅符合信息产业的未来发展趋势,而且代表了监控行业的未来发展方向,蕴藏着巨大的商机和经济效益,受到学术界、产业界和管理部门的高度重视。本文主要研究了视频监控技术中车辆检测和跟踪的基本理论和关键技术。重点研究静止背景下车辆的检测和提取和运动目标跟踪等方面的内容。在静止背景下的车辆检测方面,分析当瞬时差分法和背景差分法的原理和算法,通过试验对瞬时差分法和背景差分法进行分析。在这两种方法的基础上,本文结合瞬时差分法和背景差分法对车辆检测方法进行改进。实验表明,该方法能够在较大程度上满足系统的要求,提高检测结果精度。在图像分割方面,本文对其方法进行了分类总结,研究了图像分割的几种传统方法。在高斯拉普拉斯边缘检测算子基础上的对图像分割进行改进。实验表明,该方法对被检测图像有较好的边缘提取能力,并能自动获取高斯模板系数。在目标车辆跟踪方面,本文对目标跟踪方法进行了总结分类。经过分析指出,目标位置预测是快速稳定的进行目标跟踪的一项关键技术。研究了已有的几种目标预测技术,并将其用于缩小目标匹配的搜索范围,提高了目标跟踪的速度。基于区域生长结果对车辆进行检测与跟踪,并给出了相应的实验结果。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究意义及国内外现状分析
• 1.1.1 研究意义
• 1.1.2 国内外现状分析
• 1.2 相关技术概述
• 1.2.1 运动目标检测
• 1.2.2 运动目标分类
• 1.2.3 运动目标跟踪
• 1.2.4 遮挡处理
• 1.3 主要研究内容和论文安排
• 1.3.1 主要研究内容
• 1.3.2 论文结构安排
• 第2章 目标检测
• 2.1 基于瞬时差分算法的运动目标检测
• 2.1.1 各组成部分的说明
• 2.1.2 基本原理
• 2.1.3 阈值的取得
• 2.1.4 实验结果及分析
• 2.2 背景差分法
• 2.2.1 方法原理
• 2.2.2 主要流程
• 2.2.3 背景图像估计
• 2.3 一种改进的目标检测方法
• 2.3.1 背景模型建立
• 2.3.2 变化区域的检测
• 2.3.3 运动目标检测
• 2.3.4 背景更新
• 2.3.5 试验结果
• 第3章 图像分割
• 3.1 图像分割的定义
• 3.2 图像分割方法介绍
• 3.2.1 图像分割的一般方法
• 3.2.2 图像分割的其它方法
• 3.2.3 图像分割的度量
• 3.3 一种改进的边缘检测算法
• 3.3.1 高斯拉普拉斯算子简述
• 3.3.2 对高斯拉普拉斯算子的改进
• 第4章 运动目标跟踪
• 4.1 目标跟踪方法简述
• 4.1.1 波门跟踪
• 4.1.2 相关跟踪
• 4.1.3 其它跟踪
• 4.2 目标位置的预测
• 4.2.1 线性预测
• 4.2.2 平方预测
• 4.2.3 统计预测
• 4.3 Kalman方法
• 4.3.1 卡尔曼滤波器组成
• 4.3.2 算法流程
• 4.4 目标跟踪算法
• 4.4.1 对称差分法
• 4.4.2 运动区域分割
• 4.4.3 运动目标跟踪
• 第5章 总结与展望
• 致谢
• 参考文献
• 硕士期间发表论文
• 附录