学位论文 > 优秀研究生学位论文题录展示

基于双目视觉的机动目标跟踪方法研究

作 者: 杨丽娜
导 师: 阎保定
学 校: 河南科技大学
专 业: 计算机软件与理论
关键词: 机动目标跟踪 背景差分 交互式多模型算法 CamShift算法
分类号: TP391.41
类 型: 硕士论文
年 份: 2009年
下 载: 94次
引 用: 0次
阅 读: 论文下载
 

内容摘要


机动目标跟踪技术是计算机视觉领域中的重要研究课题,在机器人导航、航空航天、生产过程控制、医学研究、智能监控以及军事侦察等方面有着广泛的应用。所谓机动目标跟踪是指从包含运动目标的序列图像中检测识别出运动目标,计算出目标的位移、速度和加速度等信息,然后使用合适的算法预测和跟踪运动目标。但是,目前较为成熟的机动目标跟踪技术大多是单目视觉模式,限制了机动目标跟踪技术在三维场景中的应用。因此,本文选择研究基于双目计算机视觉的运动目标跟踪技术。本文首先利用立体视觉技术将目标视差图和背景视差图进行差分,准确检测和提取出了场景中的运动目标。该方法有效地克服了运动检测中阴影的影响,效果明显优于传统的背景差分算法。接着对机动目标预测与跟踪算法进行了研究分析,重点讨论了最常用的交互式多模型算法以及基于颜色直方图的CamShift(ContinuousAdaptiveMeanshift)跟踪算法。首先对基于全面自适应滤波思想的交互式多模型(IMM)算法进行了深入研究,并进行了仿真实验,证明了含有机动目标“当前”统计模型的IMM算法比基本IMM算法更适合于机动目标跟踪。接着对基于颜色直方图的CamShift跟踪算法的优缺点进行了分析,在此基础上将IMM算法与CamShift跟踪算法相结合,提出了一种新的机动目标跟踪算法,命名为CamShiftIMM算法。新算法实现了目标的快速准确跟踪,并在一定程度上解决了简单遮挡问题。最后,在本文构建的双目视觉系统下分别应用CamShift算法和CamShiftIMM算法对一般运动、随机机动和短时间遮挡等情况下的运动物体进行了跟踪实验。实验结果证明,本文提出的新算法不仅能够跟踪一般运动目标,而且能够快速有效地跟踪机动目标;不仅能够跟踪慢机动目标,而且对于未知运动规律的机动目标同样有效,具有较强的鲁棒性和实时性。

全文目录


摘要  2-3
ABSTRACT  3-7
第1章 绪论  7-14
  1.1 引言  7
  1.2 双目立体视觉的研究概况  7-9
  1.3 机动目标跟踪的研究概况  9-12
    1.3.1 运动目标检测  9-10
    1.3.2 机动目标跟踪  10-12
  1.4 双目视觉跟踪国内外研究现状  12
  1.5 本文研究内容与安排  12-14
    1.5.1 论文研究内容  12-13
    1.5.2 论文结构安排  13-14
第2章 摄像机标定与立体匹配  14-25
  2.1 摄像机成像模型  14-17
    2.1.1 常用坐标系转换  14-15
    2.1.2 线性摄像机成像模型  15-17
    2.1.3 非线性摄像机模型  17
  2.2 立体视觉摄像机模型  17-19
  2.3 张氏平面两步法  19-20
  2.4 双目立体匹配  20-24
    2.4.1 匹配基元选择  20-21
    2.4.2 匹配准则  21-22
    2.4.3 立体匹配算法  22-24
  2.5 本章小结  24-25
第3章 运动目标检测与提取  25-34
  3.1 运动目标检测方法  25-29
    3.1.1 连续帧差分法  25-27
    3.1.2 光流法  27
    3.1.3 背景差分法  27-28
    3.1.4 Surendra 背景更新  28-29
  3.2 双目视觉下的背景差分法  29-33
    3.2.1 算法实现  29-30
    3.2.2 数学形态学处理  30-31
    3.2.3 实验结果与讨论  31-33
  3.3 本章小结  33-34
第4章 机动目标跟踪算法研究  34-50
  4.1 交互式多模型IMM 算法  34-42
    4.1.1 目标运动模型和量测模型  34-37
    4.1.2 交互式多模型算法  37-39
    4.1.3 算法仿真与结果分析  39-42
  4.2 CamShift 算法  42-47
    4.2.1 MeanShift 算法基础  42-44
    4.2.2 Cam Shift 算法  44-47
  4.3 CamShift 的改进算法  47-49
  4.4 本章小结  49-50
第5章 双目视觉系统实现及目标跟踪实验  50-59
  5.1 系统主要功能结构  50-51
  5.2 摄像机标定实验  51-52
  5.3 目标跟踪实验  52-57
    5.3.1 OpenCV 下CamShift 算法实现  52-53
    5.3.2 目标跟踪实验与结果讨论  53-57
  5.4 CamShiftIMM 算法下的目标遮挡跟踪  57-58
  5.5 本章小结  58-59
第6章 总结  59-61
参考文献  61-65
致谢  65-66
攻读硕士学位期间的研究成果  66

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. 基于机器视觉的车辆检测和车距测量方法研究,TP274
  5. 基于智能视频检测技术的交通灯控制,TM923.5
  6. 群控电梯客流密度实时识别技术研究,TP391.41
  7. 基于OpenCV的人脸检测方法研究,TP391.41
  8. 人形识别关键技术的研究与实现,TP391.41
  9. 多传感器多目标航迹跟踪与融合算法研究,TN953
  10. 黄网格违章停车监测系统设计及软件流程,TP274
  11. 视频图像中的运动目标跟踪算法研究,TP391.41
  12. 边界防御系统中移动目标跟踪技术研究与实现,TP391.41
  13. 基于视频图像序列的抛洒物检测,TP391.41
  14. 智能视觉监控系统中活动目标检测算法的研究,TP391.41
  15. 基于视频的目标检测与跟踪的研究,TP391.41
  16. 交通视频中的车辆检测与跟踪技术研究及实现,TP391.41
  17. 基于机器视觉的目标实时跟踪技术研究,TP391.41
  18. 基于计算机视觉的“虚拟网球”系统的研制与开发,TP391.41
  19. 智能交通系统中基于视频的车辆检测技术研究,TP274
  20. 基于DSP的车流量视频检测技术及其实现研究,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