学位论文 > 优秀研究生学位论文题录展示

动态场景下运动目标检测与跟踪

作　者: 易科
导　师: 沙莎
学　校: 中南大学
专　业: 计算机科学与技术
关键词: 目标检测 SIFT特征点 对极几何约束 目标跟踪 均值漂移 遮挡处理
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 158次
引　用: 0次
阅　读: 论文下载
 

内容摘要


运动目标检测和跟踪一直是计算机视觉领域内研究的热点问题,它在智能监控,武器装备,自主导航车,医学诊断等众多领域都有广泛的应用。而动态场景下运动目标检测和跟踪由于摄像机的运动而造成背景的不断变化,很多问题如目标的准确检测,目标形变跟踪及遮挡问题至今尚未解决。于是,本文将针对动态场景下中所遇到的一些问题进行研究,主要工作可以归纳如下：1针对摄像头的运动而造成的背景不断变化且对不同层次上的物体所造成的运动向量也不同,提出动态场景下基于对极几何约束判别静与动的点的基础上检测运动目标,即前一帧中静态的特征点一定存在于相继帧中对应的极线上,如果远离对应的极线,则判定为动态的点。从而在背景景物差异大情况下依然能够检测出运动目标。2针对传统的SIFT算法中特征描述子计算复杂度高的情况,提出以积分直方图快速构建特征描述子的方法,降低其计算的复杂性,使其能够满足目标检测和跟踪时的实时性。3针对动态场景下中的运动目标经常会发生尺度变化,在分析传统均值漂移算法核带宽固定的基础上,采用改进的自适应尺度变化的均值漂移算法。4动态场景下运动目标会经常遇到静态障碍物出现遮挡或者多个动态目标运动过程中粘贴存在相互遮挡等情况,于是,针对动态目标遇到静态障碍物遮挡时,采用结合卡尔曼滤波估计的均值漂移算法来估计在遇到遮挡情况下目标的位置。并针对在摄像机运动下,两个或多个目标的存在相互遮挡且这些目标形状尺度同时也在变化时,提出结合实时检测的运动目标跟踪算法,将实时的检测结果更新到跟踪算法中,并将跟踪的结果反馈检测的准确性。最后,对本文的研究工作进行了总结,并提出了后续研究工作的思路,对今后的研究具有一定的指导意义。

全文目录


摘要  4-5
ABSTRACT  5-9
第一章 绪论  9-16
  1.1 研究背景  9-11
  1.2 国内外研究及应用现状  11-12
  1.3 运动目标检测和跟踪难点问题  12-13
  1.4 主要研究工作  13-14
  1.5 论文安排  14-16
第二章 运动目标检测常用算法及其分析  16-25
  2.1 静态场景下运动目标检测  16-21
    2.1.1 帧间差分法  16-18
    2.1.2 背景差分法  18-19
    2.1.3 光流法  19-21
  2.2 全局运动估计及背景补偿  21-24
  2.3 本章小结  24-25
第三章 基于对极几何约束的运动目标检测算法  25-44
  3.1 SIFT特征点提取及其匹配  25-33
    3.1.1 SIFT算法描述  25-29
    3.1.2 快速SIFT特征描述及匹配过程  29-32
    3.1.3 实验结果及分析  32-33
  3.2 对极几何约束及基础矩阵  33-38
    3.2.1 对极几何约束  33-35
    3.2.2 基础矩阵的估计  35-37
    3.2.3 实验结果及分析  37-38
  3.3 基于对极几何约束运动目标检测算法  38-43
    3.3.1 对极几何约束算法总流程  38-39
    3.3.2 动静点判断基本理论  39-40
    3.3.3 自适应K均值聚类算法及目标提取  40-41
    3.3.4 实验结果及分析  41-43
  3.4 本章小结  43-44
第四章 自适应尺度变化的均值漂移算法  44-58
  4.1 均值漂移跟踪算法分析  44-54
    4.1.1 图像特征提取  44-45
    4.1.2 基础均值漂移原理  45-49
    4.1.3 基础MeanShift在跟踪中的应用  49-51
    4.1.4 实验结果及其分析  51-54
  4.2 自适应尺度变化的Meanshi算法  54-57
    4.2.1 动态场景下跟踪特点分析  54
    4.2.2 自适应尺度变化的均值漂移算法  54-55
    4.2.3 实验结果及其分析  55-57
  4.3 本章小结  57-58
第五章 目标抗遮挡跟踪研究  58-68
  5.1 遮挡问题分析  58-59
  5.2 结合卡尔曼滤波估计的均值漂移算法  59-64
    5.2.1 卡尔曼滤波基本原理  59-61
    5.2.2 基于卡尔曼滤波估计的均值漂移算法  61-63
    5.2.3 实验结果及其分析  63-64
  5.3 动态场景下结合目标检测的跟踪算法  64-67
    5.3.1 算法总流程描述  64-66
    5.3.2 实验结果及其分析  66-67
  5.4 本章小结  67-68
第六章 工作总结与展望  68-71
  6.1 工作总结  68-69
  6.2 工作展望  69-71
参考文献  71-76
致谢  76-77
攻读学位期间主要的研究成果  77

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. 基于主动视觉的运动目标检测与跟踪研究,TP391.41
  16. 嵌入式多参数环境智能监测系统的设计与实现,TP274
  17. 基于无线传感器网络的目标定位跟踪研究,TN929.5
  18. 视频监控运动目标检索方法研究,TP391.41
  19. 安防监控系统中运动目标检测算法研究,TP391.41
  20. 基于视频监控的特定目标识别研究,TP391.41
  21. 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