学位论文 > 优秀研究生学位论文题录展示
视频图像中的运动人体检测与跟踪算法研究
作 者: 谭园芳
导 师: 廖海洋
学 校: 重庆大学
专 业: 仪器科学与技术
关键词: 运动人体检测 运动人体跟踪 阴影检测 干扰点检测 码书
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 258次
引 用: 4次
阅 读: 论文下载
内容摘要
随着安全隐患的日益增加,越来越多的高级视频监控系统被投入到各个应用领域中。为了防止潜在危险的突然发生,视频监控系统需要对人体的行为进行分析。对人体行为进行分析,首先需要建立一个能对运动人体进行检测和跟踪的监控系统。近些年来,人体检测和跟踪系统的发展已经日趋成熟,许多的实时监控系统也得到了很大的发展。但由于实际监控结果会受到许多因素的影响,因而对人体行为的自动监控仍有许多关键技术急需解决。本文对摄像机静止情况下的视频序列中运动人体的检测和跟踪算法进行了研究。本文以图像处理、图像分析理论为基础,对人体检测和跟踪领域的一些相关算法进行了研究和改进。在运动人体检测部分,分析了运动目标检测领域比较常用的检测方法,针对差图像法和帧间差分法检测精度不高的缺点,提出了一种利用向量线性相关性质检测运动人体的有效方法。该方法根据同性象素线性相关、异性象素线性无关的性质,计算参考帧和待测帧对应向量矩阵的WRONSKIAN行列式。当计算结果大于设定阈值时,即判断所在向量中心为运动目标点;反之为背景点。与差图像法和帧间差分法相比,该方法算法简单,检测结果精度高。利用改进的基于亮度和色度的阴影检测法去除了由于光照影响而出现的阴影,并利用形态学算子消除图像中的杂散噪声。在运动人体跟踪部分,利用基于码书的目标分类法将运动人体与场景中可能存在的其他运动目标区别出来,采用分类-竞争矢量量化的方法建立码书,初始化目标大小,然后提取目标的边缘特征,将边缘特征向量与码书的编码向量进行匹配,匹配的方法是从码书中找出一个与边缘特征向量差值最小的编码向量,如果差值小于某个阈值,则该物体即为运动的人体。利用干扰点检测算法对监控场景中可能突然出现的某些干扰点检测出来,比如树枝的晃动,物体的突然侵入或者坠落等。当运动场景中存在人群融合和分裂时,提出了一种“分块灰度统计”的方法有效的进行目标融合分裂前后的跟踪。通过采集不同环境下的视频图像对本文的算法进行验证,实验结果表明本文算法较好的实现了对运动人体的检测和跟踪。
|
全文目录
摘要 3-4 ABSTRACT 4-9 1 绪论 9-13 1.1 研究背景和意义 9 1.2 课题的研究进展以及现状 9-12 1.2.1 运动目标检测 10-11 1.2.2 运动目标跟踪 11-12 1.3 本文研究的主要内容 12-13 2 运动人体目标检测 13-24 2.1 引言 13 2.2 常用运动目标检测方法 13-14 2.2.1 差图像法 13-14 2.2.2 帧间差分法 14 2.3 自适应高斯背景建模法 14-16 2.3.1 单模态高斯背景模型 15 2.3.2 单模态高斯背景模型的阈值选取方法 15-16 2.4 线性相关法-WORSKIAN 算子 16-19 2.4.1 图像向量模型和线性相关算子 16-18 2.4.2 WRONSKIAN 算子 18 2.4.3 WRONSKIAN 算子在目标检测中的应用 18-19 2.5 阴影的检测与消除 19-22 2.5.1 常用阴影检测方法 19-20 2.5.2 基于亮度和色度的阴影检测 20-21 2.5.3 改进的基于亮度和色度的阴影检测方法 21-22 2.6 二值化图像中杂散噪声的去除 22-23 2.7 本章小结 23-24 3 运动人体目标跟踪 24-40 3.1 运动人体跟踪技术概述 24-26 3.1.1 基于特征的跟踪方法 25 3.1.2 基于区域的跟踪方法 25-26 3.1.3 基于运动估计的跟踪方法 26 3.2 基于模板匹配的运动人体跟踪 26-32 3.2.1 运动对象参数初始化 27-28 3.2.2 对象匹配 28-30 3.2.3 模板的更新 30-32 3.3 基于码书的运动人体识别 32-35 3.3.1 码书 32-33 3.3.2 运动物体分类 33-34 3.3.3 人体模型的建立 34 3.3.4 干扰点检测 34-35 3.4 人群间融合及分裂情况下的运动人体跟踪 35-39 3.4.1 分裂状态的判定 37 3.4.2 灰度模板的建立 37-39 3.4.3 人群间融合及分裂情况下的跟踪策略 39 3.5 本章小结 39-40 4 实验结果及其分析 40-51 4.1 运动人体检测结果 40-44 4.1.1 帧间差分法实验结果及分析 40-41 4.1.2 差图像法实验结果及分析 41-42 4.1.3 本文算法实验结果及分析 42-44 4.2 运动人体跟踪实验结果及分析 44-50 4.2.1 分类-竞争矢量量化算法设计图像码书流程 45-46 4.2.2 单个人体跟踪结果 46-49 4.2.3 发生融合及分裂时的运动人体跟踪结果 49-50 4.3 本章小结 50-51 5 总结与展望 51-52 5.1 完成的工作 51 5.2 进一步的工作和展望 51-52 致谢 52-53 参考文献 53-57 附录 作者在攻读硕士期间发表的论文 57
|
相似论文
- 量子粒子群算法研究及其在图像矢量量化码书设计中的应用,TP301.6
- 基于DM6437平台的智能视频分析系统,TP391.41
- 运动目标跟踪系统的设计与实现,TP391.41
- 视频监控系统中的运动目标检测算法研究,TP391.41
- 基于DM6437的视频行人运动检测系统设计,TP391.41
- 基于粒子滤波与Mean Shift平滑运动跟踪的研究与实现,TP391.41
- 交通路口车辆实时监测方法研究及其应用,TP274
- 面向邮件系统的恶意代码检测技术研究,TP393.08
- 智能视频监控中的运动目标检测与跟踪算法研究,TP391.41
- 交通视频监控中的背景提取与运动跟踪方法研究,TP391.41
- 基于粒子滤波与Mean Shift平滑运动跟踪的研究与实现,TP391.41
- 基于特征的运动物体识别与追踪方法研究,TP391.41
- 图像阴影的检测与去除算法研究,TP391.41
- 视觉导航中车道标志线检测的改进算法,TP391.41
- 小波神经网络在图像压缩中的应用,TP183
- 智能监控若干技术研究,TP277
- 视频序列中运动目标检测和阴影去除算法研究,TP391.41
- 动态背景下基于码书模型的运动目标检测,TP391.41
- 基于OpenCV的步态识别系统,TP391.41
- 基于码表理论的恶意代码检测技术研究,TP393.08
- 基于小波变换和矢量量化的图像压缩编码研究,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
|