基于多特征融合的运动目标检测与跟踪方法研究

摘要

运动目标检测与跟踪是视频监控领域里的一项重要工作，被广泛应用于智能视频浏览，图像编码，交通管理，银行监控等领域。通过完善和改进运动目标检测的算法，尤其解决遮挡问题，可进一步提高监控系统的智能化水平，有效地实现对运动物体的跟踪。
　　 本文主要研究了基于多特征融合的运动目标检测与跟踪方法，目前，提出的运动目标检测与跟踪的方法很多，每种方法都有各自的缺点和不足。本文采用马尔可夫随机场分割与目标分块匹配的方法相结合，重点解决在多目标情况下，发生静态遮挡与彼此遮挡以及不同光线条件下的目标分割与跟踪问题。
　　 运动目标分割的效果对进一步的运动目标跟踪会带来关键性的影响，因此选取一个好的分割方法非常重要，在运动目标分割方面，本文提出一种基于自适应权值的区域马尔可夫随机场(MRF)分割的方法，该方法利用了相邻像素区域的空间相关性，自适应更新系统能量函数中的参数β，可以更准确的分割出运动目标[1]，马尔科夫随机场模型是基于马尔可夫随机场与Gibbs分布的等效性，在图像分割领域取得较好的效果。
　　 在运动目标跟踪方面，本文在建立目标匹配模版过程中采用多种特征(包括NMI特征，积分直方图特征等)相融合的方法，结合卡尔曼预测与目标运动方向等信息，进一步提高算法准确性，实现目标匹配跟踪，并与camshift和粒子滤波等近几年的方法实现对比，实验结果表明本文方法在实时性，准确性等方面要优于上述方法。

目录

文摘

英文文摘

论文说明：图表目录

声明

致谢

第一章绪论

1.1课题研究背景与意义

1.2国内外研究现状

1.2.1运动目标检测的研究现状

1.2.2运动目标跟踪的研究现状

1.3本论文的主要工作和各章内容安排

1.3.1本文主要工作

1.3.2各章内容安排

第二章基于MRF理论的运动目标分割方法

2.1引言

2.2运动目标检测方法

2.2.1背景差法

2.2.2帧差法

2.2.3光流法

2.2.4基于小波变换的方法

2.2.5基于人工神经网络的方法

2.3图像预处理

2.3.1中值滤波

2.3.2邻域均值滤波

2.3.3形态学滤波

2.3.4光线补偿

2.4色彩空间

2.5图像分割方法

2.5.1边缘检测分割法

2.5.2区域跟踪分割法

2.5.3阈值分割法

2.6基于自适应权值的马尔可夫随机场分割方法

2.6.1分水岭分割理论

2.6.2马尔可夫随机场理论

2.6.3能量函数的建立

2.6.4β值的自适应更新

2.6.5利用投影法确定目标位置信息

2.6.6实验结果及分析

2.7本章小结

第三章运动目标特征模板建立

3.1引言

3.2常用的运动目标匹配方法

3.2.1特征匹配

3.2.2基于区域匹配

3.2.3模板匹配

3.3特征提取

3.3.1 NMI特征

3.3.2直方图特征

3.3.3纹理特征

3.3.4分片特征模版

3.4本章小结

第四章基于kalman滤波的运动目标跟踪

4.1引言

4.2常用预测方法介绍

4.2.1两点外推法

4.2.2卡拉曼滤波方法

4.2.3粒子滤波算法

4.2.4 camshift算法

4.2.5camshift跟踪实验结果

4.3常用的跟踪方法

4.3.1基于特征匹配的跟踪算法

4.3.2基于运动特性的目标跟踪

4.3.3基于区域匹配的跟踪

4.3.4基于主动轮廓的跟踪

4.4遮挡情况下的跟踪方法介绍

4.5基于kalman预测与分片特征模版的跟踪方法

4.5.1本文算法步骤

4.5.2实验结果与分析

4.6本章小结

第五章总结与展望

5.1本文的主要工作

5.2对未来工作的展望

参考文献

攻读硕士期间发表的论文