运动目标检测及运动轨迹分析

摘要

随着网络和多媒体技术的迅速发展，图像信息以其直观、生动的表现形式倍受人们喜爱。相比于静态图像，运动目标的视频图像序列提供了更加丰富的信息。因此，基于视频图像的运动目标分析成为视频研究的一个热点。作为计算机视觉领域的基础环节，运动目标检测和跟踪将人们感兴趣的运动物体从图像序列背景中分离出来，并在连续图像间建立基于运动物体特征的对应匹配，寻找运动目标出现的位置。目前，运动目标检测和跟踪技术在计算机视觉、智能视频监控、交通管理自动监控、人体检测与跟踪等方面有着极为普遍的应用。
　　 本文对固定摄像机采集的视频图像序列进行了运动目标检测和跟踪的研究，主要工作如下：
　　 第一，对成像设备采集的视频序列进行了预处理，包括图像颜色空间转换，图像去噪和图像增强。通过这些操作，改善图像的质量，使图像更加易于辨识，提高运动目标检测的准确性。
　　 第二，在运动目标检测方面，分析比较了传统的运动目标检测方法。在此基础上，研究了一种将帧差法和背景差法相结合的运动目标检测算法，并对检测结果辅以数学形态学处理，得到轮廓清晰的运动目标。
　　 第三，将实时预测模型引入到目标跟踪的过程，利用二次多项式拟合运动轨迹法预测目标在下一帧图像中的位置坐标，然后在以预测位置为中心的一定窗口范围内搜索匹配目标，实现目标的跟踪。该方法减小了匹配过程需要处理的数据量，提高了目标的跟踪速度。
　　 最后，采用样条曲线拟合目标的位置坐标数据点，获得运动目标在视频图像序列中的运动轨迹。进一步分析了目标的运动速度，提出了一种对视频图像序列选择采样间隔的规则，解决了提取目标速度精度低的问题。
　　 本文算法对视频图像序列中刚体和非刚体目标的检测和跟踪均获得了较好的实验结果，证明了本文方法的有效性。

目录

文摘

英文文摘

声明

1 绪论

1.1 课题背景与研究意义

1.2 课题的研究现状

1.2.1 目标检测算法研究现状

1.2.2 目标跟踪算法研究现状

1.3 研究难点与发展趋势

1.4 本文内容安排

2 视频图像预处理

2.1 颜色模型

2.1.1 RGB颜色模型

2.1.2 HSV颜色模型

2.1.3 灰度图像

2.2 图像去噪

2.2.1 均值滤波

2.2.2 中值滤波

2.3 图像增强

3 运动目标检测

3.1 传统的运动目标检测方法

3.1.1 光流法

3.1.2 帧差法

3.1.3 背景差法

3.2 帧差法和背景差法相结合的运动目标检测算法

3.2.1 算法原理

3.2.2 相邻帧差法检测运动目标

3.2.3 混合高斯分布背景建模

3.3 图像二值化

3.3.1 灰度直方图峰谷法

3.3.2 双固定阈值法

3.3.3 最大类间方差法

3.4 综合提取运动目标

3.5 数学形态学处理

3.5.1 腐蚀

3.5.2 膨胀

3.5.3 腐蚀和膨胀联合操作

3.5.4 形态学图像后处理实验

4 运动目标跟踪

4.1 目标特征提取

4.1.1 边缘特征

4.1.2 形心特征

4.1.3 区域模板

4.2 图像匹配算法

4.2.1 归一化互相关搜索法

4.2.2 绝对平衡搜索法

4.3 基于区域特征的运动目标跟踪

4.4 基于预测算法的运动目标跟踪

4.4.1 目标位置预测算法

4.4.2 运动目标预测跟踪实验

5 运动轨迹拟合和运动速度分析

5.1 目标运动轨迹拟合

5.1.1 三次样条插值函数的定义

5.1.2 三弯矩方程的计算

5.1.3 运动轨迹的描述

5.2 目标运动速度分析

结 论

参考文献

攻读硕士学位期间发表学术论文情况

致 谢