基于视频的运动目标检测与跟踪方法应用研究

论文摘要

在数字视频处理和计算机视觉领域的各种应用中,目标检测和跟踪是一个重要的,也是最基本的任务。目前在目标检测和跟踪方面的一些较流行的应用有自治车辆导航、机器人控制、基于运动的识别、视频压缩、基于视觉的控制、人机接口、医学成像、增强现实和视频场景监控。在计算机视觉领域,目标检测和跟踪技术尽管已经被研究了十多年,但仍是一个热门的研究领域。由于复杂的背景、光照的变化、遮挡问题及初始化等问题,目前还没有一个通用的、精确的、高性能的和实时的目标检测和跟踪算法,运动目标的检测跟踪效果仍不很理想,需要进一步改善。本文主要做了如下的工作:(1)在运动目标检测研究方面,针对复杂动态场景下的红外目标检测问题,提出了一种基于交叉熵的过渡区提取的红外运动目标检测方法。该方法首先使用帧差法和背景差分法相融合的检测方法,对红外图像进行差分处理,然后采用基于交叉熵的过渡区分割算法二值化图像,最后进行形态学滤波,从而检测出完整的红外目标。(2)在运动目标的检测跟踪过程中,很多因素导致检测跟踪的结果出现偏差,而阴影就是其中一个主要因素。本文针对传统的HSI颜色模型在当前运动目标和背景颜色接近时,出现的检测率不高的缺点进行了改进,把一阶梯度密度函数引入到HSI颜色模型中,利用采集到的图像序列进行实验,实验结果表明基于HSI模型的阴影检测算法是有效的。(3)在运动目标跟踪方面,本文针对传统的颜色直方图出现目标跟踪丢失的情况,提出了一种基于卡尔曼滤波和加权颜色分布的彩色目标跟踪方法。该方法利用卡尔曼滤波预测目标位置和角度,通过预测调整加权方向直方图的计算得以快速找到跟踪目标。新方法在一定程度上提高了测量的精确度和稳定性,改善了跟踪的效果。将上述方法用于视频跟踪取得了比较好的实验结果,进一步证明了方法的可行性,具有一定的实用价值。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 研究背景和现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.3 研究工作的难点
• 1.4 本文的创新点
• 1.5 本论文的结构安排
• 第2章 运动目标检测
• 2.1 前言
• 2.2 帧差法
• 2.2.1 相邻两帧图像差分法
• 2.2.2 对称差分法
• 2.3 背景差分法
• 2.3.1 单高斯分布背景模型
• 2.3.2 多高斯分布背景模型
• 2.4 光流法
• 2.5 过渡区与图像分割
• 2.6 基于梯度的方法
• 2.6.1 有效平均梯度法
• 2.6.2 高梯度像元法
• 2.6.3 度信息法
• 2.6.4 小波变换法
• 2.6.5 数学形态学方法
• 2.7 非梯度提取方法
• 2.7.1 回归分析法
• 2.7.2 基于熵的方法
• 2.7.3 复杂度法
• 2.7.4 小结
• 2.8 基于过渡区提取的红外运动目标检测
• 2.8.1 差分融合的目标检测方法
• 2.8.2 基于交叉熵的过渡区分割算法
• 2.9 本章小结
• 第3章 运动目标阴影检测与消除
• 3.1 引言
• 3.2 阴影的基本属性和形成原理
• 3.3 运动目标阴影的检测与消除算法
• 3.3.1 基于特征的方法
• 3.3.2 基于模型的方法
• 3.4 基于彩色模型的阴影检测
• 3.4.1 RGB 色彩空间的阴影检测
• 3.4.2 YUV 色彩空间的阴影检测
• 3.4.3 HSI 色彩空间的阴影检测
• 3.4.4 本文改进的阴影检测算法
• 3.4.5 仿真实验结果
• 3.5 本章小节
• 第4章 基于视频的运动目标跟踪
• 4.1 引言
• 4.2 运动目标跟踪算法概述
• 4.2.1 基于模型的跟踪方法
• 4.2.2 基于轮廓的跟踪方法
• 4.2.3 基于特征的跟踪方法
• 4.2.4 基于区域的跟踪方法
• 4.3 卡尔曼滤波器
• 4.3.1 卡尔曼滤波的基本原理
• 4.3.2 基于卡尔曼滤波器的运动目标估计
• 4.4 基于卡尔曼滤波和加权颜色分布的彩色目标跟踪
• 4.4.1 用于跟踪的加权直方图模型
• 4.4.2 加权直方分布匹配优化
• 4.4.3 卡尔曼滤波过程
• 4.4.4 实验结果与分析
• 4.5 本章小节
• 结论与进一步工作展望
• 结论
• 进一步的展望
• 参考文献
• 致谢
• 攻读学位期间发表的学位论文
• 大摘要