基于超声电机的视频运动目标跟踪系统

论文摘要

运动目标的检测和跟踪是机器视觉研究领域的关键技术之一，同时也是该领域的研究热点。在国内外已经引起了越来越多的关注。它是智能监控、航空航天、人机交互等应用的基础与关键技术。本文主要研究了视频图像序列中的运动目标检测和跟踪算法相关问题，并提出了基于Mean-Shift的粒子滤波跟踪算法，实现了具有运动目标检测和跟踪功能的监控系统。本文主要研究内容如下：首先，分析总结了视频目标跟踪算法的现状，通过介绍并比较各种运动物体跟踪算法，提出了一种基于颜色背景的混合高斯背景模型方法来检测运动目标。该算法利用混合高斯背景模型，采用多个高斯分布，各个高斯分布参数及其权值随时间的变化不断更新，从而使背景可以在实时跟踪过程中自适应更新，确保在用背景减除法检测运动物体时的准确性。其次，分别研究了Mean-Shift算法和粒子滤波算法，根据Mean-Shift算法计算简单但易受背景色彩干扰以及在存在遮挡情况下会出现丢失现象，而粒子滤波算法鲁棒性好但计算量大的特点，各取两种算法之长，提出了Mean-Shift和粒子滤波的融合算法。该算法在保证跟踪有效性的同时，缩短了跟踪时间。接着，使用两台行波型超声电机作为云台驱动部件实现平扫及俯仰两自由度转动，根据电机特性及控制要求，采用基于模糊理论的控制算法对电机的转速及方向控制，从而使被跟踪目标处于视频中间位置，达到跟踪目的。最后，根据本文提出的方案进行实验，通过对实验结果的数据进一步分析和讨论，验证了所提方法的有效性和实用性。同时使用C#语言开发软件，实现了对运动目标的实时跟踪，解决了对目标选择问题。

论文目录

• 摘要
• ABSTRACT
• 图表目录
• 注释表
• 第一章 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.2.1 运动目标跟踪算法分类
• 1.3 项目系统存在的问题
• 1.4 主要研究内容
• 1.5 本文结构
• 第二章 运动目标检测算法
• 2.1 引言
• 2.2 常用运动目标检测算法
• 2.2.1 差分图像法
• 2.2.2 帧间差分法
• 2.2.3 光流法
• 2.2.4 混合高斯背景建模法
• 2.3 形态学滤波
• 2.3.1 膨胀运算
• 2.3.2 腐蚀运算
• 2.3.3 开运算和闭运算
• 2.4 小结
• 第三章 视频监控跟踪算法
• 3.1 引言
• 3.2 基于 MeanShift 的运动目标跟踪算法
• 3.2.1 无参密度估计理论
• 3.2.2 Mean shift 理论
• 3.2.3 Mean shift 理论的扩展
• 3.2.4 Mean Shift 的物理意义
• 3.2.5 Mean Shift 算法步骤
• 3.3 基于粒子滤波的运动目标跟踪算法
• 3.3.1 贝叶斯滤波原理
• 3.3.2 卡尔曼滤波器
• 3.3.3 粒子滤波器
• 3.4 基于 Mean Shift 的粒子滤波跟踪算法
• 3.5 小结
• 第四章 系统硬件设计
• 4.1 引言
• 4.2 CCD 摄像机主要参数
• 4.3 基于超声电机的跟踪系统云台设计
• 4.3.1 行波型超声电机介绍
• 4.3.2 跟踪云台结构设计
• 4.4 电机电源与电机控制
• 4.4.1 超声电机驱动电源
• 4.4.2 电机控制及速度控制
• 4.4.3 基于模糊控制的电机控制算法
• 4.5 小结
• 第五章 系统实现及测试
• 5.1 系统开发环境
• 5.2 智能监控系统概况
• 5.3 系统实施方案
• 5.3.1 系统总体设计
• 5.4 小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢
• 在学期间发表的学术论文