一种改进后的自适应均值位移目标跟踪算法研究

论文摘要

随着视频监控技术在人们生活中日益广泛的应用,视频监控技术受到了很多科研工作者的广泛研究。其中,图像预处理、运动目标检测、目标分类以及运动目标跟踪是完成视频监控的主要环节。这些都是基于计算机视觉技术的视频监控技术的研究热点。本文在总结分析了一些经典的预处理、检测和跟踪计算方法后,对这些方法加以改进,并把改进后的计算方法应用到实际当中,试验结果表明这些算法具有较好的表现。在图像预处理环节中,本文采用了基于小波变换的双阈值方法,将图像去噪和图像增强两个步骤合为一个。这种算法能够在抑制噪声的同时又能在低频部分很好的增强图像细节,一定程度上避免了高频部分增强噪声,低频部分损失图像细节的缺点。从而能在去噪和增强之间达到一个比较好的平衡。在运动目标检测环节中,提出了一种由mode算法为背景模型建立和背景模型更新手段的同时结合了三帧间差法以及背景差分法的新的运动目标检测算法,这种方法的优势在于计算简单,降低了运动目标检测的计算复杂程度与硬件要求,易于实现。在运动目标分类环节中,提出了两个新的特征,这两个特征的引入能够提高人性目标与其他类目标的区分效果。在运动目标跟踪环节中,提出了一种改进后的自适应均值位移目标跟踪算法,这种算法的实时性更佳,能够在简单背景中取得良好的效果。本文提出的这些方法满足了视频监控技术中各个环节的需要,能够较好的完成各个环节的计算,具有一定的实际应用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 课题背景及意义
• 1.3 视频监控系统的研究现状
• 1.3.1 国外的研究现状
• 1.3.2 国内的研究现状
• 1.4 相关技术方法概述
• 1.4.1 图像预处理
• 1.4.2 运动目标检测
• 1.4.3 运动目标跟踪
• 1.5 本文结构
• 第二章 基于小波变换的自适应图像预处理方法
• 2.1 引言
• 2.2 图像去噪
• 2.2.1 中值滤波
• 2.2.2 巴特沃斯（Butterworth）低通滤波器
• 2.2.3 小波滤波去噪
• 2.3 图像增强
• 2.3.1 直方图均衡化
• 2.3.2 基于小波变换的单阈值图像增强技术
• 2.3.3 基于小波变换的双阈值图像增强技术
• 2.4 基于小波变换的自适应图像预处理算法
• 2.4.1 算法综述
• 2.4.2 图像去噪
• 2.4.3 图像增强
• 2.5 几种方法的对比结果
• 2.5.1 效果评价参数
• 2.5.2 实验结果
• 2.6 本章小结
• 第三章 基于帧间差法和背景差分的运动目标检测算法
• 3.1 引言
• 3.2 三种常用检测方法
• 3.2.1 光流法
• 3.2.2 帧间差法
• 3.2.3 背景差分法
• 3.3 一种基于帧间差法和背景差分的运动目标检测算法
• 3.4 实验结果与分析
• 3.5 本章小结
• 第四章 基于Choquet模糊积分的运动目标分类
• 4.1 引言
• 4.2 形态学滤波相关知识
• 4.2.1 腐蚀与膨胀
• 4.2.2 开运算与闭运算
• 4.3 目标标定方法
• 4.3.1 常用标定方法
• 4.3.2 最小面积外接矩形计算方法
• 4.4 目标碎片整理与合并
• 4.5 运动目标分类
• 4.5.1 运动目标特征提取
• 4.5.2 基于Choquet模糊积分的运动目标分类器
• 4.6 实验结果
• 4.7 本章小结
• 第五章 一种改进后的自适应均值位移目标跟踪算法
• 5.1 引言
• 5.2 目标跟踪技术概述
• 5.2.1 基于运动分析的方法
• 5.2.2 基于图像匹配的方法
• 5.3 改进后的自适应均值移位目标跟踪算法
• 5.3.1 基于直方图映射的目标特征描述
• 5.3.1.1 RGB颜色空间
• 5.3.1.2 HSV颜色空间
• 5.3.1.3 从RGB颜色空间到HSV颜色空间的转换
• 5.3.1.4 直方图映射计算方法
• 5.4 基于改进后的自适应均值移位算法的运动目标跟踪
• 5.5 试验及结果分析
• 5.6 本章小结
• 第六章 总结及展望
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文