视频监控中运动目标检测与跟踪算法的研究

论文摘要

智能视频监控是在无人监督的情况下,利用计算机视觉技术和图像视频分析技术对摄像机拍录的图像序列进行自动分析,实现对场景中目标的检测、跟踪和识别,并在此基础上进行更高层次的判断和处理。本文主要研究智能视频监控中运动目标的检测与跟踪算法。在运动目标检测方面,首先,本文对背景差分法中的混合高斯模型进行了实验仿真,并对该模型不能应对光线突变而造成大量误检的问题进行了分析。在局部光照的扰动情况下,根据产生误检的原因,选择了新的模型参数,并对模型的更新机制进行了改进,即对方差的更新加入了自适应的更新因子,使其可以适应局部的光线的扰动;在全局光照突变的情况下,以帧间判断为依据选择性地更新均值以适应光照的突变。实验结果表明,改进的算法可以应对光照突变的问题。其次,针对依靠单一信息统计建模存在的缺点,提出了一种基于颜色和纹理的背景模型的运动检测方法,即用基于颜色信息的混合高斯模型和基于纹理信息的Uniform LBP模型在决策层上进行融合的算法。该算法不仅保留了混合高斯模型的优点,而且解决了运动物体和背景颜色相近时产生的漏检问题,同时可以有效地消除阴影。在运动目标跟踪方面,运用基于Mean Shift(均值偏移)的目标跟踪算法和基于Kalman(卡尔曼)估计器的目标跟踪算法分别对弱小目标进行了跟踪实验,在实验分析的基础上总结了两种算法的优缺点。对两种算法都不能连续跟踪弱小目标的情况,结合两种算法的优点,首先用Kalman滤波器根据前一帧目标质心信息和运动位移信息预测目标在当前帧的可能位置,然后利用Mean Shift算法在这个位置的邻域内寻找最终的目标位。实验表明改进后的方法能有效地在复杂背景和遮挡情况下跟踪弱小目标。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状
• 1.2.1 运动目标检测的研究现状
• 1.2.2 运动目标跟踪的研究现状
• 1.3 本文的主要研究内容
• 第二章 运动目标检测基本理论
• 2.1 运动目标检测
• 2.1.1 光流法
• 2.1.2 帧差法
• 2.1.3 背景差分法
• 2.2 图像的预处理和后处理
• 2.2.1 图像预处理
• 2.2.2 图像后处理
• 2.3 本章小结
• 第三章 基于混合高斯模型的运动目标检测算法及改进
• 3.1 背景建模
• 3.2 混合高斯模型及改进
• 3.2.1 混合高斯模型理论
• 3.2.2 实验及分析
• 3.2.3 改进的混合高斯模型及仿真
• 3.3 本章小结
• 第四章 融合颜色和纹理信息的运动目标检测算法
• 4.1 引言
• 4.2 纹理信息
• 4.2.1 LBP 的发展背景
• 4.2.2 LBP 基本算子及其扩展
• 4.3 基于纹理的背景建模
• 4.4 融合颜色和纹理信息的运动目标检测
• 4.4.1 决策融合
• 4.4.2 实验结果分析
• 4.5 本章小结
• 第五章 运动目标跟踪算法
• 5.1 基于Mean Shift 算法的目标跟踪算法
• 5.1.1 Mean Shift 算法
• 5.1.2 基于MeanShift 算法的目标跟踪
• 5.1.3 对弱小目标跟踪的实验仿真
• 5.2 基于Kalman 滤波器的目标跟踪算法
• 5.2.1 基于Kalman 滤波器的目标跟踪
• 5.2.2 对弱小目标跟踪实验仿真
• 5.3 对弱小目标跟踪的改进
• 5.4 本章小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表的论文