实时的运动目标视觉分析中关键技术研究

论文摘要

运动目标的检测与跟踪等技术是计算机视觉领域中最活跃的研究主题之一，其核心是利用计算机视觉技术从图像序列中检测、跟踪、识别运动目标并对其行为进行理解与描述，它在虚拟现实、视觉监控、感知接口等领域均有着广阔的应用前景。计算机智能视频监控是计算机视觉领域一个新兴的应用方向和备受关注的前沿课题，是计算机科学、机器视觉、图像工程、模式识别、人工智能等多学科高技术的结晶。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。本文研究的内容主要应用于计算机智能视频监控领域，本课题来源于国际合作项目。本文主要针对固定镜头下视频序列中的运动人体的检测、分割、跟踪及计数等底层视觉问题进行了研究。首先本文采用了两种有效的运动目标检测定位算法：一种是背景减除结合连通区域标记算法，另一种是帧间差结合双向投影直方图算法，对比分析了两种算法的优缺点。由于在不同场景不同时间下运动目标可能存在阴影，而阴影会严重影响目标检测、分类及跟踪等的准确性，本文研究实现了多种阴影消除算法，对比分析了各种方法的优缺点，最后综合使用了RGB空间的标准化rgb模型、YUV空间的亮度及HSV空间的色调和饱和度方法较好的抑制了阴影的影响。本文提出了一种双向投影直方图算法进行多人分割，较好的解决了人体小部分遮挡等问题。本文分析了每个目标区域的几何特征及像素分布特征来进行目标分类(本文仅针对人和车进行分类)，在分类之后，本文给出了一种基于价值函数的算法对人体目标进行跟踪及计数。本文总体上实现了一套完整的实时的人群计数系统，该系统的计数准确率在85％以上，该系统已经在日本商用。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究背景和意义
• 1.2 国内外研究及应用现状
• 1.3 人体运动分析基本框架
• 1.4 论文相关技术综述
• 1.4.1 运动检测
• 1.4.2 阴影消除
• 1.4.3 目标分类
• 1.4.4 目标跟踪
• 1.4.5 行为理解与描述
• 1.5 技术难点
• 1.6 本文研究内容及创新点
• 2 目标检测及阴影消除方法研究
• 2.1 引言
• 2.2 本文运动目标检测技术
• 2.2.1 帧间差
• 2.2.2 背景减除
• 2.2.3 本文两种检测方法对比
• 2.3 阴影消除
• 2.3.1 简介
• 2.3.2 阴影的基本特征
• 2.3.3 阴影存在的判断
• 2.3.4 本文阴影检测的方法
• 2.3.5 阴影消除小结
• 2.4 本章小结
• 3 目标分类方法的研究
• 3.1 引言
• 3.2 图像特征描述
• 3.2.1 形状特征
• 3.2.2 纹理特征
• 3.2.3 颜色特征
• 3.3目标分类方法
• 3.3.1 方法介绍
• 3.3.2 本文目标分类方法
• 3.4 本章小结
• 4 实时的人体目标跟踪与计数
• 4.1 引言
• 4.2 目标跟踪方法
• 4.2.1 目标跟踪方法介绍
• 4.2.2 基于目标质心的距离匹配跟踪方法
• 4.2.3 基于直方图模板匹配方法
• 4.2.4 本文给出的基于价值函数的跟踪算法
• 4.3 计数方法实现
• 4.4 系统整体性能分析
• 4.5 本章小结
• 5 总结与展望
• 5.1 本人工作总结
• 5.2 未来工作展望
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢