人体运动目标视觉监控系统的研究与实现

摘要

基于视觉图像的人体运动目标的智能监控,融合了图像处理、模式识别、人工智能和计算机控制等多学科领域的先进技术,在机器人视觉、可视预警、智能交通、多媒体教学以及重要场合的安全监控领域得到广泛的应用。同时,运动目标的检测、识别和自动跟踪问题具有很高的学术价值和理论研究意义,已经成为近年来国际上研究的热点问题之一。
　　 本文对复杂环境下,基于视觉图像的人体运动目标的图像预处理、检测提取、匹配识别和自动跟踪进行了深入地分析与研究,将理论研究、仿真分析和实验测试三者有机结合,相互补充,为人体目标视觉监控系统的研究与实现打下了良好的基础。本文的主要内容如下:
　　 1.视觉监控系统平台的方案设计和硬件搭建。首先综述了课题的国内外研究和应用现状,总结和分析了现有视觉监控应用中的关键点与难点,并结合系统总体设计方案,通过对现有的视觉监控系统方案的分析比较,设计并搭建了基于云台与解码器的监控系统平台。
　　 2.图像预处理和运动目标检测提取的研究与实现。主要研究了图像变换、滤波去噪和基于直方图均衡化的图像增强处理的原理和实现,在运动目标检测提取中,本文提出了一种新的基于“全景图”的背景更新算法,理论分析与实验测试结果都表明,该方法能够准确地实现复杂背景更新,运算量小,实时性强。然后本文对目标图像进行了二值化、形态学和边缘检测处理,以实现运动目标的分割与提取。
　　 3.人体目标匹配识别与自动跟踪的研究与实现。本文采用了基于人体特征的匹配方法,通过对特征的选择、提取和特征识别规则的制定,实现了人体目标的识别。在图像检测与跟踪系统中,采用了闭环控制的思想,以目标质心坐标为反馈量,提出了一种基于约束区域的云台控制策略,并设计模糊控制器,构造云台的模糊控制规则,实现目标的自动跟踪。最后,为实现快速跟踪,本文采用了Kalman预测进行目标运动估计,仿真分析与实验测试都验证了该方法的可行性。
　　 4.视觉监控系统的软件实现与实际应用。基于以上理论研究与实验测试分析,在Windows平台框架下,本文主要实现了VFW视频捕获、BMP数据加载和MsComm串口通讯建立,并结合实际应用,设计开发了“地下车库安防监控系统”和“多媒体视频教学系统”,装置稳定,通用性强,现已运行于实验室测试环境下。

目录

文摘

英文文摘

论文说明:图表目录

致谢

1 绪论

1.1 课题研究的目的与意义

1.2 国内外研究概况

1.2.1 计算机视觉的发展历史

1.2.2 视觉检测与跟踪分类

1.2.3 研究与应用现状

1.3 研究的关键点与难点

1.3.1 系统的稳定性

1.3.2 系统的鲁棒性

1.3.3 系统的实时性

1.4 研究内容和章节安排

1.4.1 研究内容与技术路线

1.4.2 论文章节安排

2 运动目标视觉监控系统的总体设计

2.1 引言

2.2 系统总体设计方案

2.3 系统的硬件平台设计

2.3.1 硬件平台的设计要求

2.3.2 主要方案比较

2.3.3 基于云台与解码器的监控系统

2.4 系统的硬件组成

2.4.1 全方位云台

2.4.2 解码器

2.4.3 图像传感器

2.4.4 协议转换器

2.5 本章小结

3 数字图像预处理

3.1 引言

3.2 Matlab图像处理基础

3.2.1 图像文件的格式

3.2.2 图像类型

3.2.3 颜色模型

3.3 图像变换

3.4 图像滤波去噪

3.4.1 均值平滑滤波

3.4.2 中值滤波

3.5 图像增强

3.6 本章小结

4 运动目标的检测

4.1 引言

4.2 运动目标的帧差提取

4.2.1 运动目标提取

4.2.2 背景的更新

4.2.3 基于“全景图”的背景更新

4.3 图像二值化

4.4 形态学处理

4.5 目标边缘检测

4.6 本章小结

5 人体运动目标的匹配识别与跟踪

5.1 引言

5.2 基于人体特征的目标识别

5.2.1 目标特征的选择

5.2.2 目标特征的提取

5.2.3 人体目标的识别

5.2.4 实验测试与分析

5.3 人体运动目标的自动跟踪

5.3.1 目标自动跟踪总体方案

5.3.2 约束区域的云台控制

5.3.3 运动目标的模糊跟踪控制

5.3.4 实验测试与分析

5.4 基于Kalman的目标运动预测估计

5.4.1 目标跟踪模型建立

5.4.2 二维空间下预测跟踪仿真

5.4.3 实验测试与分析

5.5 本章小结

6 视觉监控系统的软件实现与实际应用

6.1 引言

6.2 系统的软件实现

6.2.1 基于VFW的实时视频捕获

6.2.2 视频图像数据的处理

6.2.3 基于串口通信的运动控制

6.3 系统的实际应用

6.3.1 地下车库安防监控系统

6.3.2 多媒体视频教学系统

6.4 本章小结

7 结论与展望

7.1 结论

7.2 展望

参考文献

作者简历

学位论文数据集