移动目标视频跟踪关键技术的研究

论文摘要

移动目标视频跟踪是当前信息领域的前沿和热点方向,融合了计算机科学、自动控制、机器视觉、图像处理、模式识别、数学等多学科的先进技术。本文以智能视频监控作为主要线索,研究静止背静下运动目标的检测、跟踪等视频跟踪中的关键技术。计算机智能视频监控是在不需要人为干预情况下,利用计算机视觉和视频分析的方法对摄像机拍录的图像序列进行自动分析,实现对动态场景中目标的定位、识别和跟踪,并在此基础上分析和判断目标的行为,得出对图像内容含义的理解以及对客观场景的解释,从而指导和规划行动。这种智能视频监控己在军事和工业上得到一些成功运用,但智能视频监控在理论和运用上都还存在很多难题。当前国内外很多学者投身该领域进行研究和探索,并取得了大量成果,本文是在这些成果的基础上进行的。首先,本文系统地研究和总结了国内外运动目标检测的方法,分析了各方法的利弊、实用场合,在此基础上,重点研究了混合高斯模型,并将极大似然原理引入混合高斯模型,该方法较以往的基于经验值的混合高斯相比,有严密的数学理论作支撑,并且在此方法下的检测效果也能满足固定场合的要求。其次,本文对图像增强、图像去噪和图像分割也作了较系统的总结,并给出了部分实验结果;在此基础上总结出一种图像点、线增强的一般方法。最后,在跟踪方面使用经典的运动分析理论—卡尔曼滤波,对运动目标的下帧所在区域作估计,进而缩小搜索空间,提高检测和跟踪速度。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的实际意义
• 1.2 国内外现状
• 1.3 相关技术概述
• 1.4 课题的技术难点
• 1.5 研究内容
• 第二章 图像去噪处理和视频压缩标准
• 2.1 几种图像去噪处理方法
• 2.1.1 邻域平均法
• 2.1.2 中值滤波
• 2.1.3 自适应中值滤波
• 2.1.4 形态学滤波
• 2.1.5 实验结果
• 2.1.6 彩色图像转化为灰度图像
• 2.2 图像压缩标准
• 2.2.1 MPEG制定的标准
• 2.2.2 MPEG-4技术的特点
• 2.2.3 MPEG-4技术的优势
• 2.3 本章小结
• 第三章 运动目标检测
• 3.1 背景差分法
• 3.1.1 背景差分法原理
• 3.1.2 改进的背景差分法
• 3.1.3 背景图像更新
• 3.1.4 适应背景差分法
• 3.2 帧间差分法
• 3.2.1 帧间差分原理
• 3.2.2 多帧间的差分
• 3.3 基于统计模型法
• 3.3.1 基于统计模型法的实现原理
• 3.3.2 背景模型描述
• 3.4 光流法
• 3.5 其它方法
• 3.6 基于极大似然的混合高斯法
• 3.6.1 背景模型的建立
• 3.6.2 初值的确定
• 3.6.3 匹配的判断
• 3.6.4 参数更新
• 3.6.5 实验结果
• 3.7 本章小结
• 第四章 图像分割
• 4.1 图像分割的定义
• 4.2 阈值分割法和区域跟踪分割法
• 4.2.1 阈值分割法
• 4.2.2 区域跟踪分割法
• 4.3 边缘检测分割法
• 4.3.1 梯度
• 4.3.2 Roberts算子
• 4.3.3 Sobel算子
• 4.3.4 Prewitt算子
• 4.3.5 扩展的图像处理方法
• 4.3.6 Canny边缘检测
• 4.4 图像分割的度量
• 4.5 运动区域的形成
• 4.5.1 线段编码
• 4.5.2 改进的线段编码
• 4.6 实验结果
• 4.7 本章小结
• 第五章 运动目标的跟踪
• 5.1 运动目标跟踪概述
• 5.1.1 外界因素的干挠
• 5.1.2 跟踪特征难于选择
• 5.1.3 跟踪的实时性要求
• 5.2 运动目标跟踪方法
• 5.2.1 跟踪刚体目标
• 5.2.2 跟踪非刚体目标
• 5.3 基于Kalman滤波的运动目标跟踪
• 5.3.1 Kalman滤波器简介
• 5.3.2 kalman滤波器的实现原理
• 5.3.3 Kalman滤波跟踪模型
• 5.4 算法仿真
• 5.5 本章小结
• 第六章 结论与展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果