学位论文 > 优秀研究生学位论文题录展示
多运动行人检测与跟踪技术研究
作 者: 李念国
导 师: 王科俊
学 校: 哈尔滨工程大学
专 业: 检测技术与自动化装置
关键词: 运动行人检测 运动行人跟踪 遮挡 分块
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 52次
引 用: 0次
阅 读: 论文下载
内容摘要
基于视频图像序列运动行人检测与跟踪是计算机爱视觉研究领域的重点研究课题之一,它正日益广泛地应用到安全防范、智能监控等领域。视频中存在复杂的背景环境、行人姿态变化、行人相互遮挡和交错、光照和气候变化等众多干扰因素,这些均使运动行人检测技术和跟踪技术成为计算机视爱觉研究领域的难题。尽管国内外的学者对该领域进行了广泛深入的研究,同时也提出了很多解决方法,但仍然有许多关键问题没有得到有效的处理,迫切需要更加成熟稳健的检测跟踪技术和方法。因此,本文针对复杂环境下的运动行人检测与跟踪问题,尤其是对跟踪中遇到的遮挡问题进行了深入研究。首先,对运动行人检测算法进行了介绍和分析,然后针对传统检测算法面对光照变化、阴影等因素干扰时,检测效果不佳的问题,给出了基于HOG特征与Haar特征融合的Adaboost检测算法,该算法融合了HOG与Haar特征,其优点就是使用HOG特征可以描述目标的轮廓及边缘特征,而使用Haar特征则能够较好的刻画目标局部的灰度变化情况,使得本文的算法取得了较好的检测效果,提高了行人检测的鲁棒性。其次,对运动行人的跟踪进行了深入研究,对传统的均值移动算法进行了改进,引入空间直方图均值移动算法,给出了该算法的推导和跟踪过程,空间直方图均值移动跟踪算法不仅包含了相同的颜色直方图信息,而且还包括了每个子空间的信息。因而能捕捉更丰富的目标描述,有抗干扰性更强和受光照影响低的优势。最后,由于空间直方图均值移动目标跟踪对于多目标场景下,特别是遮挡或者被跟踪目标距离很近的时候会导致目标丢失,所以本文在此算法基础上,引入了一种新型的融合Kalman滤波与分块思想的均值移动算法。该算法提出加入运动信息进行预测估计和分块跟踪思想,对于被遮挡的行人建立分块模型,分别对每块进行均值移动迭代搜索,把没有被遮挡的块确定为最终跟踪结果,解决了被跟踪目标自身尺度发生变化和被遮挡后导致目标跟踪失败的问题,并通过多组实验进行了讨论和验证。
|
全文目录
摘要 5-6 ABSTRACT 6-10 第1章 绪论 10-17 1.1 课题研究的目的和意义 10-11 1.2 国内外研究应用概况 11-15 1.2.1 运动检测算法研究现状 11-12 1.2.2 运动跟踪算法研究现状 12-15 1.3 存在的问题 15 1.4 本文的研究内容和章节安排 15-17 第2章 基于 Haar 特征与 HOG 特征特征融合的 Adaboost 行人检测算法 17-36 2.1 传统目标检测算法以及当前流行算法 17-24 2.1.1 帧间差分法 18 2.1.2 背景减除法 18-21 2.1.3 码本模型算法 21-24 2.2 Adaboost 算法 24-26 2.2.1 Adaboost 算法简介 24-26 2.2.2 级联分类器 26 2.3 人体特征 26-28 2.3.1 Haar 特征 26-27 2.3.2 HOG 特征 27-28 2.4 多特征融合的 Adaboost 检测算法训练和检测流程 28-30 2.4.1 目标样本训练过程 28-29 2.4.2 基于多特征的 Adaboost 训练过程 29-30 2.5 实验结果与分析 30-34 2.5.1 传统检测算法实验结果与分析 30-31 2.5.2 实时更新的码本算法实验结果与分析 31-32 2.5.3 多特征融合的 Adaboost 算法检测结果与分析 32-34 2.6 本章小结 34-36 第3章 基于改进的均值移动目标跟踪方法 36-49 3.1 相关基本概念 36-39 3.1.1 颜色空间介绍 36-38 3.1.2 直方图反向投影 38-39 3.2 均值移动目标跟踪 39-43 3.2.1 均值移动向量 39-40 3.2.2 均值移动目标跟踪算法 40-43 3.3 空间直方图均值移动跟踪 43-46 3.3.1 空间直方图 43-44 3.3.2 空间直方图均值移动目标跟踪过程 44-46 3.4 实验结果和分析 46-48 3.5 本章小结 48-49 第4章 融合分块跟踪思想的均值移动算法 49-59 4.1 Kalman 滤波的跟踪 49-52 4.1.1 Kalman 滤波基本原理 50-52 4.1.2 利用 Kalman 滤波器对遮挡进行判断 52 4.2 分块跟踪算法 52-54 4.2.1 分块跟踪思想 52-54 4.2.2 分块跟踪算法步骤 54 4.3 Kalman 滤波与改进均值移动算法的融合 54-55 4.4 多目标跟踪的实现 55-56 4.5 实验结果和分析 56-58 4.5.1 融合分块跟踪思想的空间直方图均值移动跟踪结果分析 56 4.5.2 目标遮挡实验结果分析 56-58 4.5 本章小结 58-59 第5章 跟踪系统实验环境 59-64 5.1 实验硬件系统 59-60 5.2 实验软件系统 60 5.3 软件流程与界面 60-63 5.3.1 系统流程 60-62 5.3.2 实验系统界面 62-63 5.4 本章小结 63-64 结论 64-66 参考文献 66-72 攻读硕士学位期间发表的论文和取得的科研成果 72-73 致谢 73
|
相似论文
- 基于HJ卫星混合像元分解的水稻生长监测技术研究,S511
- 手势追踪研究与手势识别应用平台实现,TP391.4
- 基于GPU的水下环境的实时模拟,TP391.41
- 视频运动目标跟踪方法研究,TP391.41
- 遮挡情况下的车辆检测与跟踪,TP391.41
- 视频监控中运动目标检测与跟踪算法的研究,TP391.41
- 降晰图像恢复方法研究,TP391.41
- 图谱研究的一般方法,O157.5
- 大容量光伏并网系统相关问题研究,TM615
- 基于稀疏分解的医学图像去噪,TP391.41
- 监控视频中的车辆检测与跟踪技术研究,TP391.41
- 一类分数阶正交变换及其应用的研究,TN911.7
- 基于分块颜色直方图和HOG特征的粒子滤波跟踪,TP391.41
- 人工髋关节柄-宿主骨系统生物力学研究,R687.3
- 地面雷达天线罩接缝性能研究,TN820.81
- 抗遮挡的运动目标跟踪算法研究,TP391.41
- 基于网页分块的主题爬虫方法研究,TP391.3
- 基于DCT域高压缩图像去块效应算法研究,TP391.41
- 基于半监督哈希算法的图像检索方法研究,TP391.41
- 视频跟踪中Mean-Shift算法的应用研究,TP391.41
- 基于粒子滤波的可靠视觉跟踪技术研究,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
|