学位论文 > 优秀研究生学位论文题录展示
人体运动目标检测与跟踪关键问题研究
作 者: 蒋钘
导 师: 余绍军
学 校: 中南林业科技大学
专 业: 计算机应用技术
关键词: 运动目标检测 surrendra 运动目标跟踪 Mean-shift 轨迹预测 模板更新
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 76次
引 用: 0次
阅 读: 论文下载
内容摘要
人体运动分析是当代计算机视觉和生物学相结合的一项重要技术,在军事国防、视频监控、人机交互、医疗诊断以及商业等领域均有广泛的应用。目前,国内外学者对该领域做了大量的研究,并取得了一些成果。但由于人体形态及运动的复杂性,人体运动目标分析在理论和应用上仍面临着很多难题,本文在前人已有成果的基础上,重点对人体运动检测过程中背景建模、运动目标提取以及人体运动目标自动化跟踪过程模板的更新、轨迹预测等关键问题展开进一步研究。在人体运动目标检测方面,通过比较分析各种人体检测算法,在背景建模过程中引入边缘检测、灰度相关性计算以及图像分块处理技术,对surrendra背景建模方法进行改进;在目标提取过程中选用自适应迭代阈值法、形态学处理、连通性分析相关技术优化提取结果。实验结果表明改进的算法将相邻的多个像素进行整体处理,消除因单个像素扰动而产生的误检,有效克服光照变化的影响,实时性和准确性较高。在人体运动目标跟踪方面,对Mean-shift算法在人体运动目标跟踪中的不足进行了改进,提出一种融合模板加权更新和最小二乘预测的自动化Mean-shift搜索的运动目标跟踪新方法。利用人体目标检测信息初始化Mean-shift参数,实现自动化跟踪;通过引入最小二乘线性预测与曲线预测相结合的方法有效的解决定位偏差和目标遮挡的问题;利用模板加权更新算法使Mean-shift算法在稳定性方面得到了改进;最后根据跟踪得到的质心位置,记录人体目标运行轨迹。实验表明,本算法实现了人体目标的自动化跟踪,增强了Mean-shift算法在目标姿态变化、光照变化下的跟踪有效性,克服目标被干扰物短暂阻塞和遮挡的情况,保证了匹配的可靠性,在稳定性以及实时性方面取得了明显的优势。
|
全文目录
摘要 4-5 ABSTRACT 5-9 1 绪论 9-17 1.1 课题的研究背景与意义 9-10 1.2 人体运动目标分析技术研究概述 10-14 1.2.1 人体运动目标检测分类 11-12 1.2.2 人体运动目标跟踪 12-13 1.2.3 人体行为识别与理解 13-14 1.3 国内外研究现状 14-15 1.4 本论文的研究内容和结构安排 15-17 2 序列图像预处理 17-21 2.1 图像灰度化 17 2.2 平滑滤波 17-18 2.3 图像增强 18-19 2.4 本章小结 19-21 3 人体运动目标检测算法 21-33 3.1 光流法 21-23 3.2 帧间差分法 23-26 3.3 背景减除法 26-32 3.3.1 背景减除算法基本原理 26-28 3.3.2 经典的背景建模算法 28-32 3.4 本章小结 32-33 4 改进的背景减除算法 33-43 4.1 背景建模 34-38 4.1.1 图像灰度相关性匹配算法 34-35 4.1.2 图像边缘检测 35-36 4.1.3 改进的surrendra背景建模方法 36-38 4.2 运动目标提取 38-39 4.3 图像后处理 39-41 4.4 实验结果与分析 41-42 4.5 本章小结 42-43 5 人体运动目标跟踪算法 43-63 5.1 Mean-shift算法原理 43-46 5.2 卡尔曼滤波原理 46-49 5.3 粒子滤波器原理 49-51 5.4 改进的Mean-shift跟踪算法 51-59 5.4.1 确定外接矩形框 51-53 5.4.2 目标轨迹预测算法 53-55 5.4.3 模板更新简述及策略 55-59 5.5 实验结果与分析 59-61 5.6 本章小结 61-63 6 总结与展望 63-65 6.1 本文工作总结 63 6.2 工作展望 63-65 参考文献 65-71 攻读硕士学位期间发表的论文以及科研成果 71-73 致谢 73
|
相似论文
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- Mean Shift结合拓扑约束法进行高密度细胞追踪,Q25
- 非稳定背景下的运动目标检测与鲁棒跟踪方法研究,TP391.41
- 视频运动目标跟踪方法研究,TP391.41
- 运动目标检测和跟踪算法研究,TP391.41
- 基于视觉的人体行为检测识别研究,TP391.41
- 基于视频的人机交互方式研究,TP391.41
- 基于全方位视觉的多运动目标检测、跟踪与定位,TP391.41
- 基于Mean Shift的视频监控运动目标的跟踪算法研究与实现,TP391.41
- 红外条件下驾驶员疲劳检测研究,TP391.41
- 视频监控中运动目标检测与跟踪算法的研究,TP391.41
- 基于鱼眼相机的运动目标检测算法的研究与实现,TP391.41
- 基于混合高斯的背景建模与更新算法的研究与实现,TP391.41
- 嵌入式多参数环境智能监测系统的设计与实现,TP274
- 安防监控系统中运动目标检测算法研究,TP391.41
- 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
- 运动目标检测与跟踪的研究,TP391.41
- 车牌识别中关键技术的研究,TP391.41
- 动态场景下运动目标检测与跟踪算法研究,TP391.41
- 基于贝叶斯理论的运动目标检测算法研究,TP391.41
- 目标检测系统中背景建模算法研究及DSP实现,TP391.41
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
|