视频序列中运动人体检测及跟踪算法研究

摘要

目前基于视频序列的运动人体跟踪和行为识别是计算机视觉领域的主要研究方向之一，在智能安防、智能导航、交通导航、导弹预警、对空监视等许多应用领域发挥重要作用。目前，国内外有大量的学者投身该领域，并取得了大量的成果。本文主要对该领域中的运动目标检测和跟踪做了详尽的研究，主要内容可概括如下：
　　1.详细的分析了运动目标检测领域常用的三种算法：帧问差分法、背景差分法、光流法。对其进行实验分析，通过算法的复杂度、时效性和实验效果分析发现背景差分法效果最为理想。并在此基础上提出了一种基于HSV颜色空间的背景差分法，该方法解决了“颜色不同但灰度相近”的时候检测的目标不完整的问题。同时该方法降低了亮度信息在差分时的作用，能在一定程度上抵抗光线的变化，同时该方法能和基于HSV颜色窄间的阴影检测方法一起使用，去除阴影的影响，得到更好的检测效果。
　　2.详细的分析了运动目标跟踪的现状以及与其相关的理论知识，对目前的运动目标跟踪的研究现状给出了一个较为准确的定位，对运动目标跟踪的深入研究具有指导意义。并选取了其中的卡尔曼滤波器作为研究对象，对其理论进行深入的分析。随后研究了卡尔曼滤波器在运动目标跟踪中的应用，并以运动检测的结果初始化卡尔曼滤波器，进行了仿真实验和数据分析。
　　3.基于目前的研究理论设计了一个运动目标跟踪系统，对其进行了详细的系统设计，主要包括运动目标检测模块和跟踪模块，一并选定Matlab作为仿真平台，实现了视频序列中运动人体的检测和跟踪，并给出了部分关键代码和实验效果图。

目录

独创性声明

关于论文使用授权的说明

第一章绪论

1.1研究背景及意义

1.2国内外研究现状

1.3课题的应用情况

1.4论文的创新点和结构安排

第二章运动目标的检测

2.1图像预处理

2.1.1噪声的类型

2.1.2噪声抑制

2.2运动目标的检测方法

2.2.1帧问差分法

2.2.2光流法

2.2.3背景差分法

2.3图像二值化

2.3.1最大类间方差法

2.3.2仿单高斯建模阈值选取算法

2.4阴影检测与消除

2.4.1基于色调畸变的阴影检测

2.4.2基于HSV颜色空间的阴影检测

2.5形态学处理

2.6连通区域分析

2.7基于HSV颜色空间的运动目标检测方法

2.7.1HSV颜色空间

2.7.2基于HSV的背景差分法

2.7.3实验分析

2.8本章小结

第三章运动目标跟踪理论基础

3.1运动目标跟踪算法分类

3.1.1基于主动轮廓的跟踪算法

3.1.2基于特征的跟踪算法

3.1.3基于区域的跟踪算法

3.1.4基于模型的跟踪算法

3.2滤波预测算法

3.2.1Kalman滤波算法

3.2.2粒子滤波算法

3.3相似性度量方法

3.3.1欧氏距离

3.3.2Hausdorff距离

3.4本章小结

第四章卡尔曼滤波在目标跟踪中的应用

4.1贝叶斯递推滤波算法

4.2卡尔曼滤波算法

4.3基于卡尔曼滤波的目标跟踪算法

4.3.1基于卡尔曼滤波的运动目标轨迹预测

4.3.2仿真实验和分析

4.4本章小结

第五章运动目标跟踪系统的设计与仿真实现

5.1系统设计

5.1.1运动目标提取模块

5.1.2运动目标跟踪模块

5.2系统实现

5.2.1系统平台选择

5.2.2系统界面设计与部分关键代码

5.3本章小结

第六章总结与展望

参考文献

致谢

攻读硕士学位期间发表的论文