学位论文 > 优秀研究生学位论文题录展示

图像序列中运动目标检测跟踪技术研究

作　者: 赵士文
导　师: 卢珞先
学　校: 武汉理工大学
专　业: 通信与信息系统
关键词: 运动目标检测跟踪 混合高斯背景建模模型 阴影消除 相关匹配算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2008年
下　载: 349次
引　用: 6次
阅　读: 论文下载
 

内容摘要


图像序列中运动目标检测跟踪是计算机视觉领域一个新兴的方向和备受关注的前沿课题,它融合了计算机科学、机器视觉、图像工程、模式识别、人工智能等先进技术,广泛地应用于军事、工业、生活等各个方面。运动目标检测、背景模型建立、阴影检测、运动目标跟踪是本文研究的重点。国内外大批学者也在该领域作了深入的研究和探讨,并取得了大量的成果。本文在这些成果的基础上,在这些方面作了一定的研究和尝试,相关研究如下:(1)在运动目标检测、提取前景部分,讨论分析了目前提取前景的方法及其实现的原理。选择背景差分法作为提取运动目标的基础,为了完整、精确的提取出运动目标,采用形态学方法对差分后的前景图像进行处理;分析介绍了相关的背景建模方法,并通过试验比较建模效果。试验结果显示:高斯背景建模方法虽然能够准确的表示背景,但算法复杂度和计算复杂度方面比较复杂。针对这种情况,本文使用中值法建立背景模型和高斯背景模型相结合进行建模,其思想为:在目标区域使用高斯模型更新背景,而在非运动区域使用中值法建模。试验表明取得了很好的效果。(2)在运动目标检测跟踪过程中,很多因素导致检测跟踪出现偏差,而阴影就是其中一个主要因素。本文分析了阴影特征,阐述了目前消除阴影研究现状。针对HSI颜色模型对于当运动目标和背景颜色接近时,可能出现检测率不高的特点,把一阶梯度密度函数引入HSI颜色模型中,为了表明改进算法的有效性,利用采集到的图像序列进行实验。实验表明:基于HSI模型的阴影检测算法是有效的。(3)在运动目标跟踪部分论述了基本跟踪模型的算法原理和特点。根据运动目标在场景可能表现出的不同状态,本文给出了对相关状态的判定方法;跟踪算法使用相关匹配算法,把十字搜索法作为搜索算法。传统的搜索算法速度慢,且效率不高。为了提高搜索效率,对该算法进行了改进。实验证明可以提高搜索效率。

全文目录


摘要  4-5
Abstract  5-9
第1章 绪论  9-17
  1.1 课题研究的背景和意义  9-11
  1.2 国内外的研究现状和存在的问题  11-14
    1.2.1 国内外研究现状  11-13
    1.2.2 目前存在的问题  13-14
  1.3 本文的主要研究内容  14-15
  1.4 本文的组织结构  15-17
第2章 运动目标检测系统的构成及流程  17-21
  2.1 检测跟踪系统模型  17-18
  2.2 运动目标检测跟踪系统  18-20
    2.2.1 系统流程概述  19-20
  2.3 小结  20-21
第3章 图像序列中的运动目标检测技术  21-37
  3.1 引言  21
  3.2 运动目标检测算法概述  21-26
    3.2.1 常用运动目标检测算法原理和特点  22-26
  3.3 背景模型建立  26-33
    3.3.1 背景建模理论概述  26-29
    3.3.2 实际场景中背景模型的应用  29-31
    3.3.3 改进的多高斯背景模型法  31-33
  3.4 运动目标的提取  33-36
    3.4.1 形态学滤波  33-36
  3.5 小结  36-37
第4章 图像序列中运动目标阴影消除技术研究  37-50
  4.1 引言  37-38
  4.2 阴影特征介绍及分析  38-41
    4.2.1 运动阴影特征分析  39-40
    4.2.2 运动目标阴影的检测算法  40-41
  4.3 基于彩色模型的阴影检测  41-49
    4.3.1 RGB颜色模型及检测原理  41-43
    4.3.2 YUV颜色模型与检测原理  43-44
    4.3.3 基于HSI颜色模型和检测原理  44-46
    4.3.4 改进的阴影检测算法  46-49
  4.4 小结  49-50
第5章 运动目标跟踪技术方法研究  50-65
  5.1 引言  50
  5.2 运动目标跟踪算法概述  50-53
  5.3 运动目标状态的判别及分析  53-57
    5.3.1 运动目标状态分析  54-55
    5.3.2 运动目标状态判定方法  55-57
  5.4 相关匹配算法  57-60
    5.4.1 特征匹配  57-58
    5.4.2 匹配模型相关算法  58-59
    5.4.3 改进的匹配模型的搜索算法  59-60
  5.5 相关匹配与实验结果  60-64
  5.6 小结  64-65
第6章 回顾与展望  65-67
  6.1 论文总结  65-66
  6.2 展望  66-67
参考文献  67-71
致谢  71-72
发表的论文  72

相似论文

  1. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  2. 复杂场景中运动目标的检测与跟踪,TP391.41
  3. 实时视频监控人数统计关键技术研究,TP391.41
  4. 基于视频图像的运动车辆检测和跟踪算法研究,TP391.41
  5. 步态的目标提取和识别技术研究,TP391.41
  6. 复杂环境下的运动目标检测与跟踪关键技术研究,TP391.41
  7. 视频监控系统中运动检测与跟踪技术的研究,TP391.41
  8. 惯性/地磁组合导航地磁图适配性研究,TN967.2
  9. 交通视频监控系统中车辆识别与跟踪技术研究,TP277
  10. 视频交通灯识别和阴影消除方法及应用研究,TP391.41
  11. 基于视频序列的交通流量统计算法研究与设计,TP391.41
  12. 基于视频的交通状态分析研究,TP391.41
  13. 移动侦测的抗干扰算法研究,TP391.41
  14. 基于多摄像头的运动目标跨区域跟踪系统的研究与实现,TP391.41
  15. 基于运动检测的高速公路交通事件检测算法研究,TP391.41
  16. 复杂环境下的多车辆检测与跟踪,TP391.41
  17. 基于视频的车型识别技术研究,U495
  18. 运动目标实时检测和跟踪技术应用研究与实现,TP391.41
  19. 运动车辆视频检测与跟踪技术研究,TP274
  20. 红外图像序列中运动目标检测与跟踪技术研究,TP391.41
  21. 基于视频的运动车辆检测和跟踪算法研究,TP274.4

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com