学位论文 > 优秀研究生学位论文题录展示

基于主动视觉的运动目标检测与跟踪研究

作　者: 方俊
导　师: 张健；卢瑾
学　校: 浙江工业大学
专　业: 计算机软件与理论
关键词: 主动视觉 目标检测 目标跟踪 均值漂移 自适应核窗宽
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 14次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着人们对机器视觉的研究,该领域已从静态视觉系统发展到主动视觉系统。主动视觉系统模拟人的视觉的主动性,可根据任务要求和已有的处理结果,决定对感兴趣目标注视的部位、距离及角度等,即它是任务驱动的。与静止的摄像机相比,主动视觉系统有高度的灵活性和更大的视野范围,在很多领域有其应用价值,如视频监控、人机交互等。本文以主动视觉系统中的目标检测与跟踪为研究重点,主要做了以下工作:1.在运动目标检测方面,设计并且实现了基于混合高斯模型背景建模的目标检测方法。采用混合高斯模型来建立背景并自适应更新,很好的解决了由环境中光线变化、干扰物体等动态因素引起的背景失效问题,在很大程序上提高了检测的准确性。在差分图像二值化的过程中,使用OSTU算法实现了二值化阈值的自适应选取,能够适应各自光照强度下的运动目标分割;然后采用形态学运算,去除二值图中亮斑的干扰。最后利用目标的几何特征,排除背景较大的干扰物体。实验表明本文方法能在保证较小计算量的前提下有效的分割出完整的运动目标。2.在运动目标跟踪方面,提出一种新的带宽自适应的均值漂移(Mean-Shift)跟踪算法。为了达到主动视觉中实时跟踪的要求,本文采用了Mean-Shift跟踪算法。并且针对Mean-Shift算法不能解决跟踪过程中目标尺寸变化引起的目标定位不准确的问题,将SURF特征点检测与之结合,匹配前两帧图像中的特征点,计算出目标的缩放因子,以此调整当前帧中跟踪算法的核函数的带宽。同时为了增强跟踪的稳定性,根据前两视频帧中目标的位置,使用线性预测估计当前帧中目标的可能位置。实验表明,本算法能实时、稳定地跟踪运动目标,并且较好地适应目了标尺寸的改变。3.最后,在对运动目标检测与跟踪方法分析的基础上,初步实现了基于主动视觉的目标检测与跟踪系统。系统采用组件化、多线程等技术,使得易于对其进行修改和扩展。实验结果,本系统能够实现对场景中运动目标的准确检测,稳定跟踪,并能到达实时应用的要求。

全文目录


摘要  5-7
ABSTRACT  7-11
第1章 绪论  11-18
  1.1 研究背景及意义  11-12
  1.2 国内外研究现状  12-16
    1.2.1 主动视觉系统  12
    1.2.2 运动目标检测  12-14
    1.2.3 运动目标跟踪  14-16
  1.3 本文工作重点  16
  1.4 本文结构安排  16-18
第2章 运动目标检测  18-32
  2.1 运动目标检测的相关理论分析  18-25
    2.1.1 传统背景差分法  18-19
    2.1.2 混合高斯背景建模  19-21
    2.1.3 OSTU 自动二值化阈值选取  21-22
    2.1.4 数学形态学滤波  22-23
    2.1.5 运动目标几何特征  23-25
  2.2 基于混合高斯背景建模的运动目标检测的实现  25-30
    2.2.1 混合高斯背景建模  25-26
    2.2.2 结合OSTU 的图像二值化  26-27
    2.2.3 采用数学形态学滤波排除背景干扰  27-28
    2.2.4 基于目标几何特征的背景干扰物过滤  28-30
  2.3 实验结果  30-31
  2.4 本章小结  31-32
第3章 运动目标跟踪  32-47
  3.1 运动目标相关理论分析  32-39
    3.1.1 Mean-Shift 目标跟踪算法  32-35
    3.1.2 特征点检测算法  35-38
    3.1.3 仿射模型  38
    3.1.4 运动预测  38-39
  3.2 核窗宽自适应的 Mean-Shift 目标跟踪算法  39-44
    3.2.1 Mean-Shift 算法实现  39
    3.2.2 Mean-Shift 不足  39-41
    3.2.3 SURF 特征点检测与匹配  41-42
    3.2.4 计算运动目标缩放因子  42
    3.2.5 基于特征点的运动预测  42-43
    3.2.6 带宽自适应的Mean-Shift 算法流程  43-44
  3.3 实验结果  44-46
  3.4 本章小结  46-47
第4章 运动目标检测跟踪系统设计与实现  47-54
  4.1 系统结构及实现技术  47-48
  4.2 系统运行流程  48-49
  4.3 云台控制实现  49-52
  4.4 实验结果  52-53
  4.5 本章小结  53-54
第5章 总结与展望  54-56
  5.1 本文工作总结  54
  5.2 展望  54-56
参考文献  56-61
致谢  61-62
攻读学位期间参加的科研项目和成果  62

相似论文

  1. 带径向速度观测的跟踪算法研究,TN953
  2. 基于VRPF的机动目标跟踪的研究,TN957.52
  3. 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
  4. 双传感器图像联合目标检测及系统实现研究,TP391.41
  5. 空间交会接近视觉测量方法研究,TP391.41
  6. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  7. 移动机器人视觉检测和跟踪研究,TP242.62
  8. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  9. 红外图像目标识别及跟踪技术研究,TP391.41
  10. 空间红外目标仿真与跟踪技术研究,TP391.41
  11. 基于运动目标轨迹分析的智能交通监控系统,TP277
  12. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  13. 基于支持向量机的视频目标检测方法研究,TP391.41
  14. 无线传感器网络的目标跟踪算法研究,TN929.5
  15. 嵌入式多参数环境智能监测系统的设计与实现,TP274
  16. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  17. 视频监控运动目标检索方法研究,TP391.41
  18. 安防监控系统中运动目标检测算法研究,TP391.41
  19. 基于视频监控的特定目标识别研究,TP391.41
  20. 复杂目标视觉注意模型研究,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