《毕业论文--运动目标检测技术的研究》由会员分享，可在线阅读，更多相关《毕业论文--运动目标检测技术的研究（36页珍藏版）》请在金锄头文库上搜索。
1、湖南大学毕业设计(论文) 第 35 页第1章 绪论1.1 本课题研究背景及意义人类通过视觉、嗅觉和听觉等从外部世界获取信息，但科学研究表明，人类有80%左右的信息均来自视觉，也就是从图像中获得。进入21世纪后，计算机技术不断发展，人工智能技术日新月异，人们梦想能够用计算机模拟人类通过视觉认知外界，对摄像机获取的输入视频图像进行分析和处理，计算机视觉即为研究如何使机器“看”的科学1。运动目标检测就是将变化区域从图像序列中提取出来，作为计算机视觉中最热门的研究方向之一，被广泛应用在民用、军工和工程等各个领域中，它的常见应用如下：(1)智能监控2：智能监控系统对各类传感器采集的图像信号及摄像机捕捉的
2、视频图像数据进行自动、实时分析，检测、识别、跟踪可疑目标，进而进行行为判断与异常报警，提高无人值守监控系统的实时性和主动性。(2)智能交通3：实时分析交通运输状况，对道路情况、车辆异常情况、交通流量等进行监督，在使用者和管理者之间建立准确、高效的交通管理系统。(3)医疗诊断4：通过对生物医学序列图像中病灶部位的检测和跟踪，获得人体器官的运动功能，以此实现人体病情的检查预测，为治疗病情提供参考，为疾病的预防、诊断、监视、治疗提供着辅助甚至决定性作用。(4)军事国防5：对军事中的运动目标进行定位和跟踪，从而达到摧毁的目的，常用于地对空、空对地和空对空的导弹制导，还可用于自动驾驶飞行器、无人驾驶车辆
3、和自动跟踪目标等高精端装备，提高装备的自动化水平。(5)人机交互6：通过姿势、动作、表情、手势等方式作为计算机的输入，捕获、识别甚至理解人体语言，摆脱对键盘、鼠标等传统输入设备的依赖，使人与计算机的对话更简洁直观。随着视频技术的不断发展，运动目标检测技术不断完善，在人们的生产、生活中做出越来越大的贡献。但由于现实场景复杂，光照变化、物体阴影、局部遮挡等都会干扰运动目标的检测，目前还不存在某种检测算法能应用于所有场景，算法未能同时满足准确性、实时性与稳定性，还尚未形成完备的科学理论体系，因此开展运动目标检测算法的研究具有极高的学术价值和挑战性。1.2 国内外研究现状运动目标检测技术的研究最先是由
4、美国Defense Advanced Research Projects Agency提出来的，从1996年到2000年，美国Defense Advanced Research Projects Agency投入资金分别设立了Visual Surveillance and Monitoring项目7和Human Identification at a Distance项目以应用于军事领域。随后European Union组织实施Annotated Digital Video for Surveillance and Optimized Retrieval项目，开发了一个智能公共交通管理系统，实
5、时监控人群密集场所，缓解交通管理部门的压力；美国IBM与University of Maryland联合开发了W4(What,Who,When,Where)系统8，通过对人体建立运动模型，实现对人体异常行为的远距离监控；Deriche和Paragios利用短程线的活动轮廓和水平体系理论在连续图像中检测与跟踪多个移动物体9；P.R.Giaccone使用小化一个合适能量函数的神经网络对移动前景进行分割10；Hironobu Fujiyoshi和Takeo Kanade提出分层检测法，该算法能从实时连续视频流中检测多个相互重叠的移动物体11。由于受到广泛关注，运动目标检测的研究是Internatio
6、nal Journal of Computer Vision(IJCV)、Computer Vision and Image Understanding(CVIU)、IEEE Transaction on Pattern Analysis and Machine Intelligence(PAMI)、Pattern Recognition(PAMI)等国际权威期刊和重要的学术会议如：International Conference on Computer Vision(ICCV)、IEEE Computer Society on Computer Vision and Pattern Reco
7、gnition(CVPR)、European Conference on Computer Vision(ECCV)等的重要内容之一，并不断地涌现出许多行之有效的方法。在国内，运动目标检测的研究起步得就要晚一些。20世纪60年代末，不少高校和研究机构才开始该领域的研究，但经过多年努力，也取得了不少成果，计算机学报、中国图象图形学报、软件学报、模式识别与人工智能等权威期刊上都发表了大量有学术价值的运动目标检测方面的文献。中国科学院自动化研究所的模式识别国家重点实验室对交通环境中运动目标的检测、人运动的监控和人体行为模式的检测等进行了大量的研究，“视频监控下的人脸识别与跟踪”项目能实现在摄像头和人
8、之间的距离大于5米的情况下，识别和跟踪多个人脸12；清华大学研制的基于运动轨迹和二次Hough变换的多车道检测算法能够自适应复杂环境，在省级高速公路的交通流量统计中被采用13；中国科学院的机器人学开放实验室和南开大学的软件学院共同研究“多移动机器人系统捕获运动目标的协调策略研究”；复旦大学电子工程系的图像与智能实验室通过独立元分析和统计方法实现运动目标检测与跟踪、图像挖掘等；同时，大华集团和海康威视等公司也将业务从传统监控拓展到智能监控领域。然而，国内的研究水平与国外相比仍存在一定的差距，还需进行更深一步的研究。目前，主流的运动目标的检测算法有：帧间差分法、背景差分法和光流法，这三种算法适合于
9、不同的应用场景。顾名思义，帧间差分法14通过对视频中前后两帧图像作差分来提取运动目标，可用于有多个运动物体和摄像机移动的场景。它的原理是：当视频中出现运动目标时，前后两帧会发生明显改变，通过将两帧灰度差值的绝对值与阈值比较来分析运动特性，确定有无运动目标出现。该算法简单，复杂度低，对光照突变等场景改变不是很敏感，适应性较强；但其不能完整地获取运动目标，选取的帧间时间间隔非常重要，对于运动速度快的物体，应取较小的时间间隔，否则可能由于不重叠而被检测为两个独立的运动目标；而对于运动缓慢的物体，则需取较大的时间间隔，否则可能导致运动目标在相邻两帧中完全重叠。背景差分法15是将视频中的当前帧与背景图像
10、作比较来检测运动物体的方法，背景图像建模的准确性直接影响检测结果的准确性。由于现实场景中存在光照突变、局部遮挡、摄像机抖动等不可预知的干扰因素，背景建模变得比较困难，常用的建模方法有如下几种：(1)中值法：取连续N帧图像，将对应像素的灰度值从小到大排序，取它的中间值作为背景图像中对应像素的灰度值。(2)均值法：计算出图像序列中连续N帧的平均灰度值，将其设定成背景图像的灰度值，该算法运算速度快，但对光照变化等动态场景较为敏感。(3)卡尔曼滤波器模型：把背景看作是稳态系统，把运动前景看作是噪声，运用时域递归低通滤波原理和Kalman滤波理论来预测慢速改变的背景，这种方法可以在用前景更新背景的同时，
11、消除干扰噪声，维持背景的稳定性。(4)单高斯分布模型：我们认为每一个像素的灰度值均服从高斯分布，它的取值可以看成是一个随机过程X。(5)混合高斯分布模型16：将图像序列中的每一个像素都用多个高斯分布的加权和来模拟，每一个高斯分布都表示该像素的一种状态，从而模拟出现实场景中的多模态情形。光流法17是一种基于图像一致性假设的检测方法，它利用图像序列中像素强度的时域变化和相关性来确定各像素的运动情况。光流矢量是指像素在观测成像面上运动的瞬时速度矢量，它包含了图像中的运动目标信息和三维物理结构信息，可用于摄像机运动的情况。20世纪50年代，Gibson和Wallach等学者以心理学实验为基础提出Str
12、ucture From Motion假设，随后Horn和Schunck在1981年创造性地将二维速度场与灰度相结合，引入光流约束方程，创造了光流场计算的典型算法。光流法可有效地对运动目标实现检测和分割，对自动飞行器的精确导航与着陆、军事侦察中航天或卫星图片的自动分析、地对空导弹火控系统的精确制导、战况实时分析、医学中异常器官细胞的分析与诊断等具有重要价值，但由于其算法复杂度高，计算量大，难以满足实时性的要求，并且计算用到偏微分，稳定性较差，因此目前在现实系统中应用较少。1.3 面临的难题在实际视频分析中，可能会受到光照突变、背景扰动、局部遮挡和运动物体变化等因素的干扰，导致最终检测失败。面临的
13、难题可分为以下两类：1.3.1 现实场景中的干扰(1)光照变化18、背景扰动和摄影师操作不当等干扰：当光照发生变化，场景中许多背景像素也会发生变化，运动目标的颜色等特征可能会发生较大变化；摇动的树叶和灌木丛、波动的水面和旋转的风扇等背景扰动很容易被误判为运动前景；摄影师的操作抖动会导致运动目标和背景发生快速无规则改变。(2)气候变化：距离摄像头较近的雪花或雨滴对检测结果都会造成较大的影响，检测准确性会大大降低。如果整幅图像都充满雪花或雨滴，会导致整个背景杂乱无章；下雨天由于积水引起地面反光，也会对实际检测带来困难。(3)目标变化：在视频采集过程中，摄像机的运动以及目标物体的运动都会使目标的尺度
14、发生变化，同时旋转和平移也会使运动目标发生变化，这都给检测带来困难。(4)局部遮挡，多目标干扰等干扰：运动物体可能会受到局部遮挡、多目标干扰等其他物体的干扰，这些因素可能会引起运动目标的暂时不见或形状改变，要求系统具有一定的稳定性。1.3.2 技术中的难点虽然现阶段运动目标的检测已经取得了大量成果，但要获得更好的检测效果和实时性，在技术上仍需解决不少问题：(1)多目标检测19：目前大多数研究都集中在对一个运动目标的检测,多目标检测仍是一大难点。如果运动目标增多,那么就存在相互遮挡的问题,算法将涉及目标分割等，大大增加了算法的复杂度,实时性较差。(2)阴影检测20：阴影检测是复杂场景下运动目标检
15、测的一个重要技术难点,如何将阴影与运动目标区分开来是决定阴影检测与消除的关键性步骤。尽管目前已经提出了不少关于阴影检测的方法，但从系统的复杂度和实用性来讲，仍需选出一种适应能力强，能适应各种光照条件；检测效果好，能将阴影准确消除以防对目标跟踪带来较大影响的算法。(3)背景建模：由于现实场景中的背景复杂多样，因此背景建模并没有一个统一标准，同时背景的多样性导致了建模的复杂性，一个好的背景模型需要兼顾各种复杂场景，目前这在工程中还有较大难度。1.4 本文研究内容本文紧紧围绕运动目标检测算法的研究这一内容展开，首先介绍了图像处理的基础知识，然后对运动目标检测的三种主流算法进行深入研究，以高斯模型为主
16、线，提出一种基于三帧差分法和像素变化率的混合高斯改进算法，最后利用matlab仿真实验来证实本文提出的算法是可行的。全文内容包括以下具体章节：第1章为绪论内容，首先介绍了本课题的研究背景及研究意义，然后对国内外的研究现状进行简要概述，分析在研究过程中可能会遇到的现实场景干扰和技术难题，并提供进一步研究的思路和线索。第2章详细介绍了图像处理的相关技术，具体内容包括真彩色图像的灰度化、滤除图像噪声、阈值分割和形态学处理这四个方面，真彩色图像的灰度化可用matlab自带的rgb2gray函数完成；用于滤除图像噪声的滤波器可分为空间滤波器和频率域滤波器，这两种滤波器具有不同的特点和用途；阈值分割的常见方法有双峰直方图法、迭代阈值分割法和最大类间方差法；形态学处理通常由腐蚀和膨胀这两个基本操作构成。第3章对帧间差分法、背景差分
