运动目标检测和跟踪的研究及应用

论文摘要

运动目标检测与跟踪是计算机视觉研究的主要问题之一,它融合了图像处理、模式识别、自动控制、人工智能以及计算机等许多领域的先进技术,在军事视觉制导、视频监控、医疗诊断、智能交通等方面都有广泛应用,因此本课题研究具有重要的理论意义和实际价值。本文主要围绕运动目标检测和运动目标跟踪两个方面展开研究,并就运动目标检测跟踪在智能交通方面的应用进行了具体介绍。运动目标检测方面,研究了静态背景下常用的运动目标检测算法。运动目标跟踪方面主要研究了常用的跟踪方法和基于均值漂移的目标跟踪算法,并且针对其存在的问题提出了有效的改进算法。本文结合运动目标检测跟踪在智能交通方面的应用,给出了系统设计总体结构,并利用VC++开发工具和OPENCV函数类库,实现了基于Camshift算法的视频图像动态跟踪,给出了程序代码及实验结果。静态背景下的运动目标检测方面,对运动目标检测的技术作了较为系统的归纳总结,介绍了各种运动目标检测方法,主要介绍了相邻帧差法、光流法、背景消减法,分析比较了各种方法的优缺点,最后研究了阴影检测与去除的方法。运动目标跟踪方面,介绍了运动目标跟踪方法的分类及几种常用跟踪方法,并重点研究了颜色特征提取及形状特征的提取。研究了均值漂移跟踪算法,针对均值漂移算法在目标跟踪过程中没有考虑目标实际的宏观运动,在严重干扰情况下容易跟踪失败的问题,提出了结合目标位置预测的改进的均值漂移算法。算法对跟踪过程中的干扰进行检测,根据目标所受干扰的强弱,采用不同的比例因子将Kalman滤波预测结果与均值漂移算法得到的跟踪结果进行线性组合,改进算法有效利用了目标的空间位置信息,提高了跟踪的可靠性。在均值漂移算法基础上,研究了连续自适应均值漂移（CamShift）算法,该算法在跟踪过程中能够自适应地调节跟踪窗口的的大小,并给出了CamShift算法的搜索过程和实现步骤。在智能交通的应用方面,与传统的车辆检测器相比,基于视频图像处理与视觉技术的车辆检测跟踪具有处理速度快、安装维护便捷且费用较低、可监视范围广、可获取更多种类的交通参数等诸多优点,因而近年来在智能交通系统中得到了越来越广泛的应用。针对摄像头拍摄得到的交通视频图像,人们提出了很多视频图像处理和分析技术,其中最基本的研究领域就是交通场景中车辆对象的检测与跟踪。本文给出运动车辆实时检测跟踪实验的系统设计总体结构,并使用VisualC++ 6.0和OPENCV图像处理和计算机视觉函数库进行CamShift算法的实现,给出了程序代码及实验结果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 视频监控系统概述
• 1.2.1 视频监控系统的发展
• 1.2.2 目前国内外研究现状
• 1.2.3 视频监控系统实现的技术难点
• 1.3 目标检测和跟踪的研究现状及所存在的问题
• 1.4 主要研究内容及章节安排
• 1.4.1 主要研究内容
• 1.4.2 章节安排
• 第二章 运动目标的检测
• 2.1 常用方法
• 2.2 相邻帧差法
• 2.3 光流法
• 2.4 背景消减法
• 2.5 基于自适应高斯背景模型的目标检测
• 2.5.1 单高斯分布背景模型
• 2.5.2 多高斯分布背景模型
• 2.6 阴影检测与去除
• 2.7 小结
• 第三章 运动目标跟踪
• 3.1 视频运动目标与静止图像目标识别的异同点
• 3.2 基于运动的目标跟踪方法分类
• 3.2.1 基于特征的目标跟踪方法
• 3.2.2 基于相关的目标跟踪方法
• 3.2.3 基于运动的目标跟踪方法
• 3.3 颜色特征的提取
• 3.3.1 RGB 模型
• 3.3.2 HSV 模型
• 3.3.3 RGB 颜色空间到HSV 颜色空间的转换
• 3.4 形状特征的提取
• 3.4.1 图像平滑
• 3.4.2 边缘提取
• 3.5 小结
• 第四章 基于 Camshift 算法的目标跟踪
• 4.1 Mean-Shift 算法原理
• 4.2 改进的基于均值漂移与卡尔曼滤波的目标跟踪算法
• 4.2.1 目标运动参数估计
• 4.2.2 结合均值漂移与卡尔曼滤波的跟踪算法
• 4.2.3 改进的目标跟踪算法步骤
• 4.3 CamShift 算法搜索过程
• 4.4 CamShift 算法步骤
• 4.5 小结
• 第五章 基于运动目标检测跟踪的智能交通系统
• 5.1 智能交通概述
• 5.2 车辆检测跟踪的实现目标
• 5.3 算法实现环境及过程
• 5.3.1 实现环境
• 5.3.2 VC++程序实现
• 5.4 实验结果及分析
• 5.5 小结
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 展望
• 参考文献
• 致谢
• 个人简历、在学期间发表的学术论文