《基于视频的运动目标检测与跟踪方法应用研究》由会员分享，可在线阅读，更多相关《基于视频的运动目标检测与跟踪方法应用研究（68页珍藏版）》请在金锄头文库上搜索。
1、江苏科技大学 硕士学位论文 基于视频的运动目标检测与跟踪方法应用研究 姓名：许文武 申请学位级别：硕士 专业：计算机软件与理论 指导教师：段先华 2011-03-12 摘 要 I 摘摘 要要 在数字视频处理和计算机视觉领域的各种应用中， 目标检测和跟踪是一个重 要的，也是最基本的任务。目前在目标检测和跟踪方面的一些较流行的应用有自 治车辆导航、机器人控制、基于运动的识别、视频压缩、基于视觉的控制、人机 接口、医学成像、增强现实和视频场景监控。在计算机视觉领域，目标检测和跟 踪技术尽管已经被研究了十多年， 但仍是一个热门的研究领域。 由于复杂的背景、 光照的变化、遮挡问题及初始化等问题，目前还没
2、有一个通用的、精确的、高性 能的和实时的目标检测和跟踪算法，运动目标的检测跟踪效果仍不很理想，需要 进一步改善。本文主要做了如下的工作： (1) 在运动目标检测研究方面，针对复杂动态场景下的红外目标检测问题， 提出了一种基于交叉熵的过渡区提取的红外运动目标检测方法。 该方法首先使用 帧差法和背景差分法相融合的检测方法，对红外图像进行差分处理，然后采用基 于交叉熵的过渡区分割算法二值化图像，最后进行形态学滤波，从而检测出完整 的红外目标。 (2) 在运动目标的检测跟踪过程中，很多因素导致检测跟踪的结果出现偏 差，而阴影就是其中一个主要因素。本文针对传统的 HSI 颜色模型在当前运动 目标和背景颜
3、色接近时，出现的检测率不高的缺点进行了改进，把一阶梯度密度 函数引入到 HSI 颜色模型中，利用采集到的图像序列进行实验，实验结果表明 基于 HSI 模型的阴影检测算法是有效的。 (3) 在运动目标跟踪方面，本文针对传统的颜色直方图出现目标跟踪丢失的 情况，提出了一种基于卡尔曼滤波和加权颜色分布的彩色目标跟踪方法。该方法 利用卡尔曼滤波预测目标位置和角度, 通过预测调整加权方向直方图的计算得 以快速找到跟踪目标。新方法在一定程度上提高了测量的精确度和稳定性，改善 了跟踪的效果。将上述方法用于视频跟踪取得了比较好的实验结果，进一步证明 了方法的可行性，具有一定的实用价值。 关键词：目标检测；过渡
4、区；阴影消除；卡尔曼滤波；加权颜色分布； 江苏科技大学工学硕士学位论文 II ABSTRACT In the various applications of computer vision, the object detection and tracking is one of the most important and basic tasks. Some of perspective applications include automatic driving system, robot control, video compressing, visual based control, m
5、otion recognition, human machine interface, medical imaging, augmented reality, and visual based intelligent surveillance system. Although the object detection and tracking has been studied for more than ten years in computer vision community, it is still an active research area. In present, there i
6、s not a kind of object detection and tracking system which is general, robust, accurate, efficient, and real time. Because the environment is complex, the scenes are cluttered, and there are a lot of problems in blocking and initialization. The video detection and tracking is one of the most difficu
7、lt challenges among those tasks mentioned above. The highlights and main contributions of the dissertation include: In the aspect of object detection, in view of infrared target detection under the complex dynamic scene, a method was proposed for infrared movement target detection based on cross-ent
8、ropy transition region extraction. Firstly, infrared image was carried on difference process by frame difference and background difference. Then binary image by segmentation algorithm based on cross-entropy transition region extraction. Finally, the complete infrared target was detected by the morph
9、ology filter. Shadow is one of some external factors reducing effects in the process of moving objects detection and tracking. This paper introduced the first order gradient algorithm of YUV model into HSI model in case that detection and tracking results were not ideal when moving target and backgr
10、ound color were close. Some experiments proved this method can take great effect of detecting and eliminating shadow. In the aspect of object tracking，in the case of lost object in the traditional color histogram, a method was proposed for object real-time tracking basede on the weighted color proba
11、bility. From Kalman filter object location and angle of direction, the weighted histogram predicted to quickly find the calculation of object tracking. To some extent, new methods to improve the measurement accuracy and stability, improve the tracking results. From the experiments, it can be confirm
12、ed that the new method can enhance the accuracy of video tracking process and have some practical value. Keywords：object detection; transition region; shadow elimination; kalman filter; weighted color constribution; 江苏科技大学学位论文原创性声明 江苏科技大学学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下， 独立进行研究工作所取得的成果。除文中已经注明引用
13、的内容外，本 论文不包含任何其他个人或集体已经发表或撰写过的作品成果。 对本 文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。 本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 年 月 日 江苏科技大学学位论文版权使用授权书 江苏科技大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定， 同意学校保留并向国家有关部门或机构送交论文的复印件和电子版， 允许论文被查阅和借阅。 本人授权江苏科技大学可以将本学位论文的 全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫 描等复制手段保存和汇编本学位论文。 本学位论文属于： (1)保密，
14、在 年解密后适用本授权书。 (2)不保密。 学位论文作者签名： 指导教师签名： 年 月 日 年 月 日 第 1 章 绪论 1 第 1 章 绪 论 1.1 引言 人类在认识自然、改造自然的过程中，发明和创造了许多机器来辅助和代替 人类完成各种任务，这就发展成智能机器。比如说汽车作为交通工具延伸了人的 脚力，起重机械强化了人的臂力，传感器拓宽了人的触觉，计算机则模拟了人的 大脑，而机器视觉则可用以实现和扩展人眼睛的功能。人类的眼睛既能看见静止 的物体又能看见运动的物体，是一套天然的性能极佳的图像采集与跟踪系统，在 人脑的配合下，可以实现对运动极为复杂的目标的识别、精确定位与跟踪。机器 视觉就是赋予
15、机器以人类视觉的功能。 运动目标的检测与跟踪是应用视觉领域的 一个重要的课题。在现实生活之中，大量的有意义的视觉信息包含在运动之中， 甚至有些动物的眼睛经过进化，只能看到运动的物体。尽管人类视觉既能看到运 动又能看到静止的物体，但是许多场合，比如说交通流量的检测，重要场所的保 安，航空和军用飞机的制导，汽车的自动驾驶或辅助驾驶等，我们往往对运动的 物体更感兴趣。因此，研究运动目标的检测和跟踪问题，具有很大的现实意义和 应用价值1。 作为计算机视觉和视频信息处理等领域中一个非常活跃的分支， 运动目标检 测与跟踪，就是对视场内的运动目标，如人和车辆等，进行实时的观测，并在此 基础上对被观测对象进行
16、分类，然后分析它们的行为。这种技术的研究主要涉及 到运动目标的检测与提取（目标分割） ，运动目标跟踪，运动目标识别，运动目 标行为分析和理解等诸多内容，是一项融合图像处理、模式识别、人工智能、自 动控制等不同领域先进成果的高技术课题， 是实现智能机器人和智能化武器的关 键技术之一，是一个具有挑战性的困难问题2。 运动目标检测要求在被监视的场景中实时检测出运动目标，并将其提取出 来。而运动目标跟踪就是在运动目标检测的基础上，利用目标有效特征，使用适 当的匹配算法，在序列图像中寻找与目标模板最相似的图像的位置，即给目标定 位。 实际应用中， 这两方面工作相互影响。 运动目标检测是实现计算机图像处理、 目标识别跟踪的基础，是系统的首要环节。检测算法设计的好坏是系统成败的关 键，它也占据了整个系统大部分运算量；运动目标跟踪不仅可以为运动目标检测 提供帮
