视频序列中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计算机视觉的核心课题之一，它融合了图像处理、模式识别、人工智能、自动控制等相关领域的研究成果，在视频监控、视频编码、视频检索、医学图像分析、智能交通、气象分析等许多领域有着广泛的应用，因此本课题具有重要的理论意义和广阔的实用价值。 本文主要针对视频序列中的运动目标检测与跟踪算法进行研究，首先讨论了静态场景下常用的运动目标检测算法，然后重点研究了基于均值漂移和粒了滤波的目标跟踪算法，并针对其存在的问题做出了有效地改进，提高了目标跟踪的稳定性和鲁棒性。主要工作可概括如下： 运动目标检测方面，将高斯混合模犁与背景图像的相关性运算相结合，实现模型学习速率自适应更新，大大提高了背景模型的适应性和鲁棒性。目标跟踪算法方面，首先将传统的基于均值漂移(Mean Shift)跟踪算法与。Kalman滤波结合起来，利用Kalman滤波来预测目标的运动方向和速度，较好地解决了遮挡情况下的目标跟踪问题；最后引入方向可调滤波器(Steerable Filter)来描述目标的多尺度多相位纹理特征，并在粒子滤波理论框架下，提出了一种基于颜色特征和纹理特征融合的视频对象跟踪算法，较采用单一颜色特征的粒子滤波跟踪算法在可靠性、准确性方面有一定的提高。

目录

文摘

英文文摘

声明

第1章绪论

1.1本课题的研究意义

1.2国内外研究现状

1.2.1目标检测技术

1.2.2目标跟踪技术

1.3本文的工作重点

1.4本文的结构安排

第2章相关理论基础

2.1贝叶斯理论

2.1.1条件概率和事件的独立性

2.1.2全概率公式和贝叶斯公式

2.1.3贝叶斯统计推断

2.1.4贝叶斯滤波

2.2卡尔曼滤波

2.3蒙特卡罗方法

2.3.1蒙特卡罗方法的基本原理

2.3.2蒙特卡罗方法的收敛性

2.3.3蒙特卡罗方法的实现

2.4粒子滤波

2.4.1粒子滤波概述

2.4.2粒子滤波基本思想

2.4.3退化问题

2.4.4重要性函数的选择和重采样

2.5.5粒子滤波算法框架

2.5本章小结

第3章运动目标检测技术的研究

3.1常用的运动目标检测方法

3.1.1 时间差分

3.1.2光流法

3.1.3背景差分法

3.2高斯混合背景建模

3.2.1高斯混合模型

3.2.2学习速率的自适应更新

3.3实验结果及分析

3.4本章小结

第4章基于均值漂移的目标跟踪

4.1均值漂移算法

4.1.1均值漂移基础

4.1.2目标描述和匹配准则

4.1.3候选目标的描述

4.1.4相似性测度

4.1.5目标定位

4.1.6均值漂移算法步骤

4.2改进的基于均值漂移与卡尔曼滤波的目标跟踪算法

4.2.1目标运动参数估计

4.2.2结合均值漂移与卡尔受滤波的跟踪算法

4.2.3改进的目标跟踪算法步骤

4.2.4颜色模型更新策略

4.3实验结果及分析

4.4本章小结

第5章多特征融合粒子滤波跟踪算法

5.1基于粒子滤波的目标跟踪

5.2目标描述

5.2.1运动模型

5.2.2颜色特征

5.2.3纹理特征

5.3跟踪算法流程

5.4实验结果及分析

5.4.1人工合成图像序列中目标的跟踪

5.4.2真实图像序列中目标的跟踪

5.5本章小结

第六章总结与展望

6.1本文工作总结

6.2工作展望

参考文献

致谢

读研期间发表论文及完成项目情况