学位论文 > 优秀研究生学位论文题录展示

室内环境下运动目标跟踪算法研究

作　者: 赵建平
导　师: 张宝峰; 朱均超; 张吉
学　校: 天津理工大学
专　业: 控制工程
关键词: 目标检测 目标跟踪 特征提取及匹配 粒子滤波 Camshift
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 1次
引　用: 0次
阅　读: 论文下载
 

内容摘要


运动目标跟踪作为视频监控中的热点问题之一,一直受到很多专家、学者的关注,目前已经提出很多跟踪方法。运动目标检测是跟踪的前提,通过检测可以判断视频图像序列中有无运动目标及运动目标的数量等信息,根据检测到的目标信息应用目标的特征相关性即可对目标进行分别跟踪,从而得到各个运动目标的具体位置信息。为达到目标跟踪精度高,鲁棒性强,实时性好的要求本文研究了多种运动动目标检测和跟踪方法,在各个方法的基础上寻找最优解决方案。本文主要以人体目标为研究对象,在摄相机固定于三脚架上的情况下,对室内环境下(即静态背景下)的运动目标进行检测及跟踪,主要从运动目标检测,目标特征提取及匹配,运动目标跟踪三个方面进行了研究。1.运动目标检测环节中,通过分析光流法、背景相减法和帧差法的原理及各自的优缺点,提出了一种融合三帧差分和背景相减的多运动目标检测方法。实验表明了该方法可以有效地提取目标的轮廓,实时对运动目标进行检测。2.运动目标特征(颜色、边缘、纹理、角点等)分析过程中,主要采用二阶或加权颜色直方图提取颜色特征、灰度共生矩阵或离散小波变换提取纹理特征、harris角点检测及匹配的角点特征提取和基于梯度的边缘特征提取方法。特征提取与匹配方法的研究为运动目标准确跟踪作了铺垫。3.目标跟踪环节,由于环境中灯光变化、目标与背景颜色相似等问题的存在,提出基于二阶直方图的粒子滤波方法也就是利用颜色特征匹配的方法以及基于颜色、纹理特征相结合的改进Camshift (Continuously Adaptive Meanshift)方法对运动目标进行跟踪。实验结果表明本文提出的改进粒子滤波方法和改进Camshift算法比基于颜色特征的Meanshift方法跟踪效果好且跟踪更准确,可以有效克服颜色相似带来的干扰问题。然而上述两种方法都不能满足遮挡情况下对目标跟踪准确、快速、鲁棒性的要求,本文将两种方法进行有效地结合,采用改进Camshift算法跟踪不被遮挡的待跟踪目标,一旦遮挡发生,立即采用粒子滤波算法进行跟踪,Camshift与粒子滤波混合算法主要是利用Camshift算法跟踪目标的快速性、粒子滤波的准确预测性,从而达到跟踪要求。

全文目录


摘要  5-6
Abstract  6-8
目录  8-10
第一章 绪论  10-15
  1.1 课题研究背景及意义  10-11
  1.2 目标跟踪技术的国内外研究现状  11
  1.3 视频序列中的运动目标检测与跟踪  11-14
    1.3.1 静态背景下运动目标检测  12
    1.3.2 动态背景下运动目标检测  12-13
    1.3.3 运动目标跟踪  13
    1.3.4 运动目标检测与跟踪的重点及难点  13-14
  1.4 本文主要研究工作及各章节安排  14-15
第二章 运动目标检测方法  15-23
  2.1 帧差法  15-18
    2.1.1 动态阈值的选取  15-17
    2.1.2 帧间差分运动目标检测算法原理  17-18
  2.2 融合连续三帧差分和背景差分的运动目标检测算法  18-20
  2.3 背景相减法  20-21
    2.3.1 均值法背景提取  20-21
    2.3.2 中值法背景提取  21
  2.4 实验结果分析  21-23
第三章 运动目标的特征提取及匹配  23-38
  3.1 颜色特征的提取和匹配  24-31
    3.1.1 颜色空间  24-27
    3.1.2 颜色量化  27-28
    3.1.3 颜色特征提取  28-30
    3.1.4 颜色直方图的相似性度量  30-31
  3.2 纹理特征的提取和匹配  31-34
    3.2.1 纹理特征的提取  31-33
    3.2.2 纹理特征的匹配  33-34
  3.3 角点特征的提取和匹配  34-36
    3.3.1 角点特征的提取  34-35
    3.3.2 角点特征的匹配  35-36
  3.4 边缘特征的提取和匹配  36-37
  3.5 本章小结  37-38
第四章 基于二阶直方图的粒子滤波运动目标跟踪  38-46
  4.1 基于粒子滤波的运动目标跟踪算法  38-40
    4.1.1 粒子滤波  38
    4.1.2 粒子滤波算法的实现  38-40
  4.2 基于二阶直方图的粒子滤波算法实现运动人体目标跟踪  40-45
    4.2.1 二阶直方图  40-41
    4.2.2 目标跟踪算法的实现  41-43
    4.2.3 实验结果分析  43-45
  4.3 本章小结  45-46
第五章 改进Camshift算法与粒子滤波相结合的多运动目标跟踪  46-58
  5.1 基于颜色特征的Camshift跟踪方法  46-49
    5.1.1 Camshift算法的流程及在OpenCV中的实现  47-49
  5.2 基于颜色和纹理特征相结合的改进Camshift算法  49-55
    5.2.1 颜色特征的目标区域和候选目标区域描述  49-50
    5.2.2 纹理特征的目标区域和候选区域描述  50-52
    5.2.3 改进Camshift算法实现  52-53
    5.2.4 实验结果分析  53-55
  5.3 改进Camshift与粒子滤波相结合的多运动目标跟踪  55-57
    5.3.1 改进能算法分析及流程  55
    5.3.2 实验结果分析  55-57
  5.4 本章小结  57-58
第六章 总结与展望  58-59
  6.1 总结  58
  6.2 展望  58-59
参考文献  59-62
发表论文和科研情况说明  62-63
致谢  63

相似论文

  1. 基于多Agent理论的卫星协同定轨技术研究,V474
  2. 带径向速度观测的跟踪算法研究,TN953
  3. 基于VRPF的机动目标跟踪的研究,TN957.52
  4. 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
  5. 双传感器图像联合目标检测及系统实现研究,TP391.41
  6. 空间交会接近视觉测量方法研究,TP391.41
  7. 有标记点的人体三维运动数据获取方法的研究,TP391.41
  8. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  9. 移动机器人视觉检测和跟踪研究,TP242.62
  10. 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
  11. 红外图像目标识别及跟踪技术研究,TP391.41
  12. 基于机器视觉的车辆检测和车距测量方法研究,TP274
  13. 基于运动目标轨迹分析的智能交通监控系统,TP277
  14. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  15. 基于支持向量机的视频目标检测方法研究,TP391.41
  16. 视频运动目标跟踪方法研究,TP391.41
  17. 视频中多运动目标分类的研究,TP391.41
  18. 运动目标检测和跟踪算法研究,TP391.41
  19. 基于视觉的人体行为检测识别研究,TP391.41
  20. 嵌入式人脸检测与跟踪系统的设计与实现,TP274
  21. 视频监控若干技术研究,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