基于视频的运动物体的实时检测与跟踪

摘要

数字图像处理和计算机视觉是近年来发展十分迅速的研究方向，目前正广泛地应用于军用和民用等各个领域，是智能机器获取外部信息和理解世界的重要途径。运动检测与目标跟踪是计算机视觉中两个最重要的应用，也是本文的研究内容。 本文的研究背景是为自主移动机器人在室内环境的世界建模和路径规划、导航等高层决策提供关键信息，特别是为机器人的环境监控、目标跟随、避障等任务提供判断和决策依据。运动检测和目标跟踪作为两个相对独立的计算机视觉应用，在文中分别进行了算法理论的研究和实验验证。 对于运动检测，本文采用了基于多高斯背景模型的背景差分算法作为核心算法，同时引入高斯滤波图像预处理以及形态学处理算法作为辅助，提出了一套完整的运动检测算法方案并在实验中进行验证.本文针对该算法本身的缺陷导致周期性大面积误检测的问题，提出了新的模型更新算法加以解决；以及针对无法克服相机运动、阴影干扰影响的不足，本文也分别提出了模型重构算法和基于HSV空间的阴影滤除算法，并通过实验验证了改进算法的有效性和先进性。 对于目标跟踪，本文采用基于Mean shift的目标跟踪算法作为核心算法。提出了基于二维直方图的特征表示方法，并根据目标的色彩和灰度信息构建目标模板；利用Bhattaeharyya系数衡量模板匹配相似度，结合理论分析和实验结果论证了其可行性。对于算法存在的不足，特别是目标特征不明显和目标运动激烈场景导致的跟踪失败问题，本文提出了改进的相似度评价方法及引入Kalman预估器的改进方法，并在实验中进行比较验证. 本文还对运动检测和目标跟踪算法的联系进行了讨论，为计算机视觉的多任务交叉融合工作做了初步探索.提出了基于运动检测结果的运动分析方法，可以通过对比历史运动检测结果估计目标区域的运动状态；以及根据运动检测结果自动提供跟踪算法的目标区域，从而将原本半自动的目标跟踪算法改进为全自动的算法。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究的背景、来源和意义

1.2运动检测与目标跟踪技术的发展与现状

1.2.1运动目标检测技术的发展与现状

1.2.2运动目标跟踪技术的发展与现状

1.3本文研究内容及实验平台

1.3.1本文研究内容和主要贡献

1.3.2本文实验平台

1.4本文结构安排

第2章运动检测和目标跟踪算法原理

2.1基于背景差分法的运动检测原理

2.2 Mean Shift算法的基本理论

2.2.1 Mean Shift向量及其物理含义

2.2.2 Mean Shift算法步骤

2.2.3 Mean Shift算法的收敛性证明

2.3图像预处理和后期形态学处理

2.3.1图像预处理

2.3.2后期形态学处理

2.4 RGB和HSV颜色空间

2.5本章小结

第3章基于多高斯背景模型的运动检测及其改进

3.1基于多高斯背景模型的运动检测

3.1.1背景差分算法中的背景模板

3.1.2基于多高斯背景模型的运动检测实验

3.2基于改进背景更新算法的运动检测

3.3在摄像头运动场景下的改进算法

3.4基于改进的阴影滤除算法的运动检测

3.5运动检测算法的扩展

3.6本章小结

第4章基于Mean Shift算法的目标跟踪及其改进

4.1 Mean Shift算法和目标跟踪

4.1.1基于直方图的特征模板

4.1.2基于Mean Shift的目标跟踪算法原理

4.1.3基于Mean Shift算法的目标跟踪实验

4.2基于改进模板相似性度量方法的Mean Shift跟踪算法

4.3基于Kalman预测器改进的Mean Shift跟踪算法

4.4一种简单的全自动跟踪算法

4.5本章小结

第5章结论

参考文献

致谢