智能视频监控中运动目标检测和跟踪方法研究

摘要

目前，智能视频监控在研究领域和应用方面均面临诸多问题，但同时也取得了不菲的硕果。本文在翻阅大量文献和充分的实验基础上，着重研究了智能视频监控中最为重要的两个步骤:运动目标检测和运动目标跟踪。主要工作内容概括如下:
　　(1)对计算机视觉中常用的LBP纹理特征进行了阐述并且改进了LBP纹理特征描述算子。针对大量视频局部纹理特征为小部分种类LBP算子所描述的特点，合并大量无效LBP算子为一类，并且整合了LBP纹理特征描述算子，使描述视频局部纹理特征的算子种类减少到58种，并且给出58种LBP统一模式所呈现的所有情况，并结合实际应用给出了8位二进制LBP编码到LBP统一模式的转换码表，从而为后续算法的提出和实现奠定了坚实的基础。
　　(2)针对目前运动目标检测算法中普遍存在的问题——阴影检测（阴影抑制），本文结合高斯混合背景模型提出了相应的解决方案，提出了一种结合LBP纹理特征和色度信息的改进型运动目标检测算法，论文对视频背景信息构成进行了细致的研究分析，对经过高斯混合模型处理过的前景信息结合LBP纹理和色度信息进行相关处理，实验发现该方法能较好的抑制阴影对目标检测算法的影响;
　　(3)针对核密度跟踪算法中单一的目标特征检测算法提出了改进方法，提出了一种基于改进型多特征核密度跟踪框架。该框架能适应多种特征下的目标多特征描述，利用各个特征描述建立的目标子模型的线性叠加来表达核密度下的目标模型和候选模型。结合对数似然函数建立了各个特征子模型动态权值的更新方式，优先选择前景、背景区分度好的特征子模型。最后结合本文提出的多特征核密度跟踪框架，利用LBP纹理特征和色度特征描述目标目标模型，实现了多特征融合的核密度跟踪。实验结果表明了算法的有效性。

目录

声明

论文说明

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 智能视频监控的国内外研究现状

1．3 运动目标检测跟踪存在的问题

1．4 本文的研究内容及章节安排

第2章 相关理论及基础知识

2．1 LBP算子

2．1．1 基本的LBP

2．1．2 加阈值的LBP

2．1．3 统一模式

2．2 图像的颜色模型

2．2．1 RGB颜色空间

2．2．2 HSV颜色空间

2．2．3 YUV、YCbCr颜色空间

2．3 形态学操作

2．4 小结

第3章 运动目标检测算法研究

3．1 帧差法

3．2 光流法

3．3 背景减除法

3．4 结合LBP纹理特征和色度信息的运动目标检测算法

3．5 实验结果与分析

3．6 小结

第4章 运动目标跟踪算法研究

4．1 运动目标跟踪技术概述

4．2 基于卡尔曼滤波器(Kalman Filter)的目标跟踪

4．3 基于粒子滤波的目标跟踪

4．4 基于均值偏移(Meanshift)的目标跟踪

4．4．1 均值偏移算法原理

4．4．2 基于Mean Shift算法的目标跟踪

4．5 结合LBP纹理和色度的改进型Mean Shift动目标跟踪算法

4．6 算法实现及结果分析

4．7 小结

第5章 总结与展望

5．1 论文工作总结

5．2 不足与进一步工作展望

参考文献

致谢

攻读硕士学位期间发表的学术论文目录

攻读硕士学位期间的科研项目