运动场景中的目标检测与跟踪算法的研究

摘要

运动目标的检测与跟踪技术是计算机视觉领域的关键技术之一。目前，静止场景中的目标检测与跟踪技术，例如视频监控系统、交通管制系统等，研究已经日趋成熟，在军事、交通、工业制造、医疗以及日常生活中的众多领域得到了广泛的应用。相对于静止场景，运动场景是指摄像机运载平台的姿态的改变而造成了背景与被检测目标之间的相对运动。在运动场景中，要将运动的前景目标从同样在运动的背景中分离出来，使得目标检测与跟踪技术将变得更加复杂。特别是在复杂的实际场景中，检测与跟踪技术的实时性和可靠性往往难以得到保证，是当今检测与跟踪技术研究的难点。如何准确区分背景与运动目标是运动场景的目标检测与跟踪技术的首要任务。
　　 运动场景中的目标检测与跟踪方案可以分为背景运动补偿技术、目标检测技术和目标跟踪技术三大环节。围绕这三大技术环节，本文主要工作如下:
　　 重点研究了背景运动估计与补偿。分析了常用的多种特征点检测方法，提出了一种基于SIFT特征的背景运动估计方法。利用其尺度不变的特点，可以有效的描述背景运动，具有不需要设置阈值，并有效、快速地提取整幅图像的特征点的优点。
　　 采用基于HSV颜色空间直方图与梯度方向直方图(HOG)的双重视觉信息建立目标表示模型，从而更准确的对目标进行跟踪。
　　 重点研究了运动目标跟踪技术。在对MeanShift算法的详细研究基础之上，实现了基于改进的MeanShift算法的跟踪方法。提出了基于粒子滤波算法的跟踪方法在本框架中的应用，并对两种方法的优劣进行了比较。
　　 结合三大技术环节，本文提出了一种运动场景中目标检测与跟踪的系统设计框架。实验证明该框架可以快速、有效的完成运动场景中的目标检测与跟踪任务。

目录

声明

东华大学学位论文版权使用授权书

摘要

第1章 绪论

1．1 研究背景及意义

1．2 研究现状

1．2．1 背景运动补偿技术

1．2．2 目标检测技术

1．2．3 目标跟踪技术

1．3 本文的研究内容及章节安排

第2章 背景运动估计与补偿

2．1 背景运动参数建模

2．2 背景运动估计

2．2．1 特征点提取

2．2．2 特征点匹配

2．3 运动背景补偿

2．3．1 全局运动参数估计

2．3．2 全局运动补偿

2．4 实验结果与分析

2．5 本章小结

第3章 目标表示模型

3．1 颜色信息表示

3．1．1 RGB颜色空间

3．1．2 HSV颜色空间

3．1．3 颜色空间转换

3．2 边缘信息表示

3．3 积分直方图表示模型

3．4 本章小结

第4章 运动目标检测与跟踪

4．1 运动目标检测

4．1．1 帧差法提取运动信息

4．1．2 形态学滤波

4．2 运动目标跟踪

4．3 基于MeanShift算法的目标跟踪

4．3．1 无参密度估计理论

4．3．2 MeanShift算法原理

4．3．3 基于改进的MeanShift的目标跟踪方法

4．3．4 实验结果与分析

4．4 基于粒子滤波的目标跟踪

4．4．1 蒙特卡罗方法与贝叶斯理论

4．4．2 粒子滤波的基本原理

4．4．3 重要性抽样与重采样过程

4．4．4 实验结果与分析

4．5 本章小结

第5章 总结与展望

参考文献

攻读硕士期间所发表的论文

致谢