运动目标检测与跟踪在鱼眼图像中的应用

摘要

目前比较常用的运动目标检测的方法有：配准法、光流法、帧间差分法、背景差分法和高斯模型法。本文采取的是背景差分与高斯模型相结合的运动目标检测方法。通过帧间差分提取背景，用原始图像与背景相减获取运动目标，使用高斯模型对提取的背景实时更新，以保证背景图像的相对稳定。在原始图像与背景相减的过程中，本文提出了动态阈值的算法，改变了以往通过实验人为设定阈值的做法，提高了算法的实时性。对运动目标的检测与跟踪是密不可分的，本文采取的方法是根据运动目标的面积和质心等物理特性进行跟踪。
　　 随着监测范围的不断扩大，一般图像已经不能满足人们的需求，鱼眼镜头被越来越多地使用。但鱼眼图像畸变严重，因此就有必要将其校正为人们所习惯的图像。本文使用的是比例校正方法，该方法不需要成像系统的参数以及数学投影模型，试验结果表明该算法基本消除了拱形失真。在实际检测过程中，人们可能并不是特别在意整个全景图像的校正，可能只是对某个区域感兴趣，这时就需要对感兴趣区域进行视窗校正。本文把光学中心转换与鱼眼图像的校正结合起来，实现了鱼眼图像的感兴趣区域视窗校正。
　　 用装有鱼眼镜头的监控装备获取的含有运动目标的视频流是本文研究的对象。首先使用背景差分与高斯模型相结合的运动目标检测的方法将运动目标检测出来，然后使用面积质心判别法对该物体实现跟踪，同时使用视窗将运动物体所在区域选定，并对该区域的鱼眼图像进行实时校正，以获取利于我们观察的线性图像。

目录

文摘

英文文摘

声明

第1章 绪论

1.1研究背景及意义

1.2相关领域国内外研究现状和主要问题

1.2.1国内外研究现状

1.2.2主要问题

1.3论文研究的主要内容

1.3.1研究内容

1.3.2章节安排

第2章 运动目标的检测与跟踪

2.1运动目标检测的基本方法

2.1.1配准法

2.1.2光流法

2.1.3帧间差分法

2.1.4重建背景帧法

2.2基于自适应高斯背景模型的目标检测

2.2.1单高斯背景模型

2.2.2混合高斯背景模型的建立

2.2.3背景更新

2.3本文的运动目标检测算法流程

2.4运动目标跟踪的基本算法

2.4.1基于对比度的跟踪方法

2.4.2基于图像匹配的跟踪方法

2.4.3基于均值漂移的目标跟踪方法

2.4.4基于模型的跟踪

2.4.5基于区域的跟踪方法

2.4.6基于物理特征的跟踪方法

2.5本章小结

第3章 鱼眼图像的基本知识

3.1鱼眼镜头的应用

3.2鱼眼镜头的结构

3.3鱼眼镜头的光学特性

3.4鱼眼镜头的成像原理

3.4.1多项式逼近模型

3.4.2抛物面投影模型

3.4.3理想球面图像模型

3.5鱼眼镜头图像畸变校正

3.5.1映射法

3.5.2经纬度法

3.5.3比例缩放法

3.6鱼眼图像感兴趣区域视窗校正

3.7本章小结

第4章 基于背景差分与区域特性的目标检测跟踪

4.1运动物体的检测

4.1.1背景提取

4.1.2背景更新

4.1.3目标检测

4.1.4阈值Th的取法

4.1.5阴影抑制

4.1.6实验结果比较

4.2运动物体的跟踪

4.2.1跟踪原理

4.2.2跟踪步骤

4.2.3实验结果

4.3本章小结

第5章 鱼眼图像中实现运动目标检测跟踪与校正

5.1鱼眼图像视窗区域校正的算法研究

5.1.1图像光学中心的转移

5.1.2鱼眼图像视窗区域校正的算法

5.1.3实验结果

5.2鱼眼图像中运动目标的检测跟踪与校正

5.2.1鱼眼图像中运动目标的提取

5.2.2鱼眼图像中运动目标的跟踪

5.2.3鱼眼图像中运动目标的校正

5.2.4实验结果

5.3本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢