彩色空间下运动目标检测与跟踪问题研究

摘要

运动目标检测与跟踪是图像处理技术及计算机视觉研究的核心内容之一，广泛应用于视频监控、导航制导、医疗诊断等领域。对目标检测与跟踪方面的研究有着重要的理论意义和实用价值。
　　 基于图像灰度值的目标检测算法设计简单，应用广泛，但灰度特征下图像的色彩成分被掩盖，因此色彩空间下目标检测日益成为研究热点。本文提出了一种基于RGB分量自适应调节的目标检测方法，利用像素点红绿蓝三分量值作为特征信息组，根据背景图像的色彩组成，自适应调节三组分量所占的比重;背景差分时，分别计算三组差值，将三组差分值的绝对值之和作为像素点的差值;利用自适应阈值对差值图像进行考察，进而实现对目标的二值化分离;为了增强复杂背景下的检测效果，对均值背景法进行改进，利用去除目标区域的均值背景法建立背景模型。
　　 Mean Shift跟踪算法原理简单，实时性好，但当目标出现被遮挡的情况时容易失去跟踪目标。为此，引入卡尔曼滤波器，通过考察上一时刻对当前时刻的估计值与当前时刻的观察值，对状态变量进行更新、调整，并进一步求出此刻对下一刻的估计值。然后采用Mean Shift对预测的区域进行迭代计算。则可以对完全遮挡下的目标进行连续稳定的跟踪，显著提高了跟踪效果。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．2 研究现状与常用方法

1．2．1 国内外研究现状

1．2．2 常用的目标检测与跟踪算法

1．3 主要内容及结构安排

1．3．1 主要内容

1．3．2 结构安排

2 图像预处理分析与选择

2．1 颜色空间及其转换

2．2 图像去噪运算

2．2．1 均值滤波法

2．2．2 中值滤波法

2．2．3 两种滤波方法的对比及选择

2．3 图像二值化方法

2．4 图像形态学处理

2．4．1 腐蚀运算

2．4．2 膨胀运算

2．4．3 开操作与闭操作

3 运动目标检测常用算法及分析

3．1 运动目标检测常用原理与方法

3．1．1 光流法

3．1．2 帧间差分法

3．1．3 背景差分法

3．2 背景模型建立

3．2．1 均值背景模型

3．2．2 中值背景模型

3．2．3 单高斯分布背景模型

3．2．4 混合高斯分布背景模型

4 基于RGB自适应分配的目标检测算法

4．1 RGB色彩空间下考虑的因素

4．2 基于RGB自适应分配的差分算法

4．2．1 RGB分量提取

4．2．2 权重分配

4．2．3 背景更新

4．2．4 差分计算

4．2．5 二值化

4．2．6 计算色彩质心

4．3 仿真结果及分析

4．3．1 MatLab仿真实验

4．3．2 结果分析

5 运动目标跟踪算法及其改进

5．1 Mean Shift算法

5．1．1 Mean Shift原理

5．1．2 Mean Shift目标跟踪算法

5．1．3 实验结果与分析

5．2 基于卡尔曼滤波的Mean Shift算法

5．2．1 卡尔曼滤波原理

5．2．2 基于卡尔曼滤波的Meanshift算法

5．3．3 实验结果分析

6 总结与展望

6．1 总结

6．2 展望

参考文献

致谢

个人简历、在学期间发表的学术论文与研究成果