基于视频的集装箱检测与跟踪技术研究

摘要

目前，采用计算机视觉技术是集装箱自动化装卸作业中实现集装箱识别和定位的发展方向。本文对集装箱的自动化装卸技术进行研究，构建了集装箱装卸模拟系统。利用该模拟系统在实验室环境下，对计算机视觉技术在集装箱自动化装卸系统中的应用进行了较为深入的研究，针对已有算法的不足之处提出改进，并用C++编程实现了这些算法，验证了算法的可行性。 本文在总结和分析现有的视频检测和跟踪技术的基础上，针对其中的不足重点研究摄像头固定条件下的运动目标检测和跟踪技术，其中主要涉及到运动集装箱的检测与提取、运动集装的跟踪等方面的内容，完成的主要研究工作如下： (1)运动集装箱检测方法研究针对视频监视背景下运动目标有效检测的问题，提出了基于高斯混合背景模型、团块目标检测和空间自适应阈值分割的运动集装箱检测和提取方法。根据视频序列的帧间信息差异，对背景进行实时动态更新；然后用团块目标检测算法对背景差的结果处理得到运动前景的大致区域，并用空间自适应阈值分割的方法提取更精确的前景信息；最后将两种算法结果综合，实现了对运动集装箱的有效检测和提取。 (2)运动集装箱的跟踪方法研究针对运动目标跟踪所需计算量大、目标遮挡等难题，本文对目标跟踪进行了初步研究，将前景检测的结果用HSV颜色模型反向投影视频序列生成概率分布图，作为Camshift算法的输入实现对运动前景的跟踪，确定其运动轨迹。并且用卡尔曼滤波理论建立运动模型，预测运动目标的位置解决运动目标被完全遮挡时不致轨迹中断，并使运动轨迹更加稳定、精确。 本文借鉴了智能交通的车辆检测与跟踪技术，并将该技术首次引入到集装箱视觉引导中来，针对现有算法进行了系统地理论分析，在其基础提出改进方法，并进行了实验验证，较为成功地完成了整个算法系统的构建，达到了预期设计的目标。为真正实现集装箱装卸自动化的实用系统提供技术支持。

目录

文摘

英文文摘

声明

1绪论

1.1课题研究背景

1.2课题研究意义

1.3本文主要工作和研究内容

2计算机视觉

2.1计算机视觉简介

2.2计算机视觉系统组成

2.3计算机视觉研究特点

2.4计算视觉发展前景

3基于背景建模与背景差的运动检测算法

3.1引言

3.2本文使用的背景建模方法

3.2.1高斯混合模型

3.2.2模型参数更新

3.2.3背景估计

3.2.4背景更新的改进

3.3减背景提取运动目标

3.3.1团块运动目标检测

3.3.2空间自适应阈值的运动目标检测

3.3.3自适应阈值与团块联合的目标检测

3.4集装箱装卸作业的仿真系统

3.5试验结果分析

4基于Camshift的运动跟踪

4.1引言

4.2 Mean shift算法基础

4.3算法步骤

4.4颜色模型

4.5颜色概率分布图

4.6 Camshift算法在图像跟踪中的实现

4.6.1 Mean shift算法步骤

4.6.2 Camshift算法在图像跟踪中的实现

4.7实验结果分析

5卡尔曼滤波跟踪

5.1卡尔曼滤波公式

5.2卡尔曼滤波算法

5.3联合卡尔曼滤波与Camshift的跟踪模型

5.4实验结果分析

6结论与展望

参考文献

致谢

研究生期间发表论文情况

个人简历