基于随机霍夫变换的多人运动分析

摘要

运动目标的检测和跟踪一直是计算机视觉中很重要课题，在安防系统、智能交通领域、超市和商场的人流统计等方面有广泛的应用。本文利用图像处理技术对摄像机拍摄画面进行处理，实现对目标的检测、识别、跟踪、计数等功能。
　　 本文主要针对摄像机固定，且在俯视的情况下，对经过的人群进行识别，主要的人群对象为在校学生，在Windows操作系统下，基于VisualC++和OpenCV1.0软件开发平台。通过查阅国内外大量文献，在总结前人经验的基础上，提出了适合本文研究对象的方法。
　　 本文的研究内容可以分为三个主要部分:前景的提取、人头区域的检测、目标的跟踪计数。前景提取方面通过对主流算法的分析，并给出了他们各自适用的场合，本文采用的是单高斯模型进行背景建模和背景模型的更新，并对前景进行预处理，包括阴影去除、形态学滤波、边缘检测等，以提高后续工作效率;人头区域的检测是采用的基于形状检测的算法，霍夫变换是最经典的形状检测算法，基于在俯视条件下，人的头部轮廓近似一个圆形，本文采用了随机霍夫变换的思想，并对算法做了一定的改进，在提高了检测速度的同时得到了很好了效果，并根据颜色和轮廓特性进行了滤波;目标的跟踪和计数方面对比了粒子滤波和卡尔曼滤波的原理和适用环境，由于本文研究对象可以认为是做线性运动，所以采用了基于卡尔曼滤波的预测原理，并简化了卡尔曼模型，建立目标模型信息，包括速度、位置和一些标志变量等，速度方向符合要求的情况下采用最近邻匹配算法，实现对目标的跟踪。计数时采用虚拟门线，将对面虚拟为一个目标点，目标点经过虚拟门线时才计数。最后，总结了本文的所做的工作和存在的不足，并对下一步的工作和研究方向进行了展望。

目录

声明

摘要

1 绪论

1．1 课题研究的背景意义

1．2 国内外研究现状

1．3 论文研究内容和方法

1．4 本文章节安排

2 背景建模和前景的提取

2．1 背景建模方法论述

2．2 背景模型经典构建方法

2．2．1 帧间差分

2．2．2 混合高斯模型

2．2．3 Codebook背景建模

2．3 本文采取的建模方法

2．4 本章小结

3 前景预处理

3．1 阴影的抑制

3．1. 1 基于建模的阴影检测方法

3．1．2 基于阴影属性的方法

3．2 形态学处理

3．2．1 腐蚀(Erosion)和膨胀(Dilation)操作

3．2．2 开(Opening)、闭(Closing)运算

3．3 边缘信息的检测

3. 3. 1 Sobel算子

3．3．2 Robert算子

3．3．3 Laplacian算子

3. 3. 4 Canny算子

3．4 本章小结

4 基于形状的人头检测

4．1 霍夫变换

4．1．1 霍夫变换检测直线

4．1．2 霍夫变换检测圆

4．2 随机霍夫变换检测圆

4．3 本文的改进算法

4．4 连通域

4．5 本章小结

5 多目标的跟踪与计数

5．1 Kalman滤波

5．2 粒子滤波

5．2．1 最优贝叶斯估计

5．2．2 粒子滤波算法

5．3 本文的跟踪方法

5．4 人数统计

5．5 本章小结

6 总结与展望

6．1 本文论文总结

6．2 后续展望

致谢

参考文献