动态背景下的行人检测与跟踪研究

摘要

运动目标检测与跟踪是计算机视觉中的一个热点问题，并在智能监控系统中越来越受到人们的重视。根据摄像机与监控背景之间的相对运动关系，将目标运动分为静态背景下的与动态背景下的两类运动。目前，静态背景下的运动目标研究已经相对成熟，并广泛的应用于社会的各个领域，而动态背景下的目标运动相对复杂，理论与实际应用方面还有很多问题需要解决，本文主要对动态背景下的行人目标进行检测与跟踪研究，通过实验验证本文算法的可行性。
　　本文首先对行人检测与跟踪的现状进行了综述，分析了行人检测与跟踪过程中可能遇到的各个方面的问题，并结合数字图像处理的知识，分析了目标检测在静态背景与动态背景两种情况下的主要提取方法。
　　动态背景下目标的运动会受到相机运动产生的全局运动的干扰，需要我们对相机的运动进行背景补偿。本文通过SIFT特征点进行点匹配，完成仿射参数模型的参数估计，在估计过程中，提出了一种新的间隔匹配的方法去除特征点中外点的干扰。在目标提取中，采用多帧差分的方法增强目标检测的判别能力，很好的满足了检测的需要。
　　针对行人目标的跟踪问题，本文首先介绍了几种传统的目标跟踪方法，分析了几种算法的不足之处，并应用Camshift算法进行验证，得出单一的特征很难在复杂的环境下实现目标的描述，容易发生目标丢失的情况。本文提出了多特征融合的方法对跟踪算计进行改进，针对不同环境下目标跟踪的需求，可以选择不同的特征进行融合，改进后的跟踪算法能够很好的实现目标的有效跟踪，提高了算法的鲁棒性。
　　动态背景下的目标跟踪具有广阔的应用前景，在智能汽车、无人机拍摄、特种作战等领域都能够得到很好的应用。本文主要对移动设备上实现行人目标的自动检测与跟踪进行了分析，通过实验结果验证系统的可行性，结果表明，本文提出的算法能够满足移动设备上行人自动检测与跟踪的要求，具有一定的实用价值。

目录

声明

第一章 绪论

1.1课题的研究背景及意义

1.2研究现状及发展趋势

1.3行人检测与跟踪面临的主要问题

1.4本文研究内容与论文结构安排

第二章 视频图像增强与目标检测分析

2.1视频图像增强

2.2目标检测算法分析

2.3本章小结

第三章 动态背景下的目标检测算法研究

3.1全局运动参数模型

3.2参数估计之SIFT特征点

3.3参数估计之间隔法点匹配

3.4运动补偿求目标

3.5本章小结

第四章 行人目标跟踪算法介绍与分析

4.1均值漂移算法

4.2卡尔曼跟踪算法

4.3粒子滤波算法

4.4基于多特征融合的跟踪算法

4.5算法流程及实验结果分析

4.6本章小结

第五章 移动设备上的行人跟踪应用

5.1系统架构分析

5.2本文算法的基本思想与步骤

5.3实验结果与分析

5.4本章小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

致谢