基于双目视觉的运动目标跟踪算法研究及应用

论文摘要

计算机视觉作为计算机科学与人工智能的一个重要分支，不仅在工程领域，在科学领域也是一门重要且富于挑战性的研究内容。计算机视觉通过图像传感器获取序列图像，进而结合图像处理、人工智能、模式识别等技术，对图像的三维世界信息进行分析、理解及处理，最终实现计算机代替人脑认识和理解现实世界的功能。而双目立体视觉技术，因具有对三维空间场景信息深入的感知能力，在人们的日常生活中日益得到重视，并广泛的应用在现代工业、医学、国防和空间技术等领域。运动目标跟踪技术是一门涵盖了目标检测与提取、目标跟踪及分析、行为理解等多个过程复杂且综合性极高的技术。本论文首先研究了几种常用的运动目标检测方法，并对其基本原理及实现过程进行了详细的解释和说明，介绍了运动目标的跟踪算法及其基本原理，并对各目标跟踪算法的具体实现过程进行了深入的研究，尤其研究了基于均值偏移的粒子优化的目标跟踪算法；其次,提出了基于双目视差图与帧差相乘相融合的目标检测算法，由于双目视差图可以感知运动目标的深度信息，所以能够更为准确的理解三维空间场景中的运动物体，并通过分析检测结果得出，该检测算法能够准确的对运动目标进行定位及识别，并能够将运动目标的边缘轮廓信息从序列图像中完整的提取出来；再次,基于均值偏移理论与粒子滤波相融合的目标跟踪算法将mean shift中的迭代原理及相似性度量函数引入到粒子滤波算法中，解决了粒子退化的问题，大大减少了粒子数量，提高了跟踪的实时性；最后，将运动目标的跟踪算法应用到对人的跟踪中，针对跟踪的运动目标的数量不同，分别实现了对单一目标的的跟踪和对多个目标的跟踪，并通过分析跟踪效果得出，针对不同的跟踪目标选择适合的跟踪方法，可以大大减少目标跟踪的难度及工作量，并均能够得到很好的跟踪效果，具有很高的实用性和应用价值。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题的背景及意义
• 1.2 双目立体视觉技术的研究内容
• 1.3 国内外发展现状
• 1.3.1 双目视觉技术的发展现状
• 1.3.2 目标跟踪技术的发展现状
• 1.4 论文所做的主要工作
• 第2章 双目立体视觉与立体匹配
• 2.1 双目立体视觉
• 2.2 摄像机标定
• 2.2.1 坐标系及其变换
• 2.2.2 摄像机的标定
• 2.2.3 双目立体系统标定
• 2.3 立体视觉匹配
• 2.3.1 立体匹配的关键技术
• 2.3.2 立体匹配算法
• 2.3.3 本文采用的立体匹配方法
• 2.4 本章小结
• 第3章 图像处理与运动目标检测
• 3.1 图像采集
• 3.2 图像预处理
• 3.2.1 彩色图像的灰度化处理
• 3.2.2 图像平滑去噪处理
• 3.2.3 二值化
• 3.3 运动目标的检测
• 3.3.1 基于帧差法与背景差法相融合的目标检测
• 3.3.2 基于帧差相乘的目标检测
• 3.3.3 基于双目视差图的多帧相乘算法的目标检测
• 3.4 本章小结
• 第4章 运动目标的跟踪算法研究
• 4.1 目标跟踪的分类
• 4.2 基于 Mean Shift 算法的目标跟踪
• 4.2.1 Mean Shift 算法跟踪原理
• 4.2.2 Mean Shift 算法应用于目标跟踪
• 4.3 基于均值偏移的粒子优化方法的目标跟踪
• 4.3.1 粒子滤波
• 4.3.2 基于均值偏移理论的粒子优化的目标跟踪方法
• 4.4 本章小结
• 第5章 双目视觉跟踪实现及应用
• 5.1 双目视觉跟踪软硬件
• 5.1.1 双目视觉跟踪硬件
• 5.1.2 双目视觉跟踪软件
• 5.2 双目视觉目标跟踪实现及应用
• 5.2.1 采集图像与图像处理
• 5.2.2 目标检测与提取
• 5.2.3 目标跟踪算法应用
• 5.3 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢