视频运动目标跟踪方法研究

论文摘要

运动目标检测与目标跟踪技术作为计算机视觉研究领域的重要技术之一,融合了计算机、人工智能、模式识别、图像处理以及自动控制等多个领域的先进技术,在视频监控、图像压缩、军事目标跟踪以及机器人视觉导航等方面都有广泛的应用。在复杂的实际场景中,运动目标检测与目标跟踪技术的可靠性和实时性通常难以得到保证,是当今运动目标检测与目标跟踪领域的难点。本文研究了摄像头运动情况下的运动物体检测技术,采用的鲁棒多分辨率算法首先对摄像机的运动模型进行建模,并通过视频中连续的两帧图像估计出摄像机的运动模型。和摄像机运动一致的像素点认为是背景,和摄像机运动不一致的像素点认为是运动物体。本文方法可以较好地解决摄像机运动情况下的运动物体检测。本文研究了在多种复杂场景下的鲁棒跟踪问题,提出了基于多特征CamShift优化的粒子滤波跟踪算法。该算法采用了颜色和运动两个特征,并用CamShift对粒子滤波进行了优化,在跟踪目标被长时间遮挡时使用了相应的目标遮挡处理策略。本文提出的算法在许多复杂情况下都能实现运动目标的可靠跟踪,例如:被跟踪目标的姿态变化;目标发生大幅度转弯;复杂背景的干扰;场景光线发生显著变化;目标被长时间遮挡等等。

论文目录

• 摘要
• Abstract
• 第一章 引 言
• 1.1 研究背景和意义
• 1.2 国内外发展现状
• 1.3 本文的主要工作
• 1.4 论文结构
• 第二章 运动物体检测与跟踪的相关技术基础
• 2.1 运动物体检测方法的介绍
• 2.2 目标跟踪方法的介绍
• 2.2.1 粒子滤波
• 2.2.2 CamShift
• 第三章 鲁棒多分辨率目标检测算法
• 3.1 运动模型和目标函数
• 3.2 多分辨率最小二乘估计
• 3.2.1 增长估计
• 3.2.2 由粗到精的估计
• 3.3 迭代加权最小二乘法
• 3.4 鲁棒多分辨率算法的整体流程
• 3.5 运动物体检测实验结果分析
• 第四章 基于多特征CamShift 优化的粒子滤波跟踪
• 4.1 多特征联合概率分布图
• 4.2 CamShift 优化的粒子传播
• 4.3 多特征系统观测
• 4.4 粒子重采样
• 4.5 后验概率计算
• 4.6 遮挡处理策略
• 4.7 目标跟踪算法整体流程
• 4.8 运动目标跟踪实验结果分析
• 4.8.1 转弯车辆的跟踪
• 4.8.2 尺度变化的车辆跟踪
• 4.8.3 有光线变化的人体跟踪
• 4.8.4 有相似颜色背景干扰的人体跟踪
• 4.8.5 短时间遮挡的人体跟踪
• 4.8.6 长时间遮挡的人体跟踪
• 4.8.7 长时间消失的人体跟踪
• 第五章 结论与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致 谢
• 在学期间公开发表论文及著作情况