发布时间 : 星期六 文章静态场景下运动目标检测与跟踪算法研究更新完毕开始阅读
3kalman滤波....,,,,,,.,..,,-..,,,..............,,-................,,,........,,42 4 . 3 .
1随机线性离散系统的数学模型.................................,,,.......,,42 4.3.2随机线性离散系统的Kalm即滤波方程.............,,,............,,43 4.3.3Kalma,1滤波的特点.,.卜.......................................,,,................,,44 4 .
3.4滤波器参数选取._....,,,.....,,卜二,.........................................,,45 4 .
4实验步骤和实验结果.........,,,......,,,二!,,.....................,,,.........,,46 4 . 4 .
1实验步骤.,,,...,,,........................,,,........................,,,,47 4 .
42实验结果.....................................................................................,,48 4 .
5小结.....,,,........................,,-,,..................................................,,51
第五章总结与展望..............................................................................,,,....,,52 5 .
1研究回顾与总结....................,,,......,,,.,.,,,,.,......,,,............,,52
5.2工作展望........,,,.,,,...........................,...,,娜...............................,,53 参考文献......................,,,............,,,.....,,,.,,,,,................................,,54
致谢..................................................................,,,..........,,,..............,,!....,,59
攻读学位期间发表论文目录..........,,,.,,,,........................................,,60山东大学硕士学位论文 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!机器人 导航!视频传输!视频检索!医学图像分析!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\
针对不同的监视场景,运动目标检测和跟踪算法也不尽相同\本文主要研
究了在静态场景下运动目标的检测算法!运动目标的模板相关匹配算法和基于 Huadsorff距离的模板匹配跟踪算法\本文的创新点和主要工作如下: 1 .
研究了运动目标检测算法\针对视频监控系统大多数应用于静态场景这
一特点,提出了在运动区域内结合使用对称差分法和背景差分法检测运动目标 的算法\该方法首先根据对称差分图像确定运动目标的运动区域,然后在确定 的运动区域内对背景差分图像和对称差分图像取/或0运算\实验证明,这种 算法减少了背景差分图像中的噪声对运动目标提取结果的影响\
2.研究了基于金字塔的模板相关匹配算法\针对模板相关匹配算法的计算 量大,不能满足实时跟踪的缺点,本文采用基于金字塔的模板相关匹配算法\这种匹配算法分为/粗匹配0和/精匹配0两个阶段,在/粗匹配0阶段去掉 了许多与目标无关的位置,因此大大加快了匹配速度\3 .
提出/优势点拣选法0\当模板和图像中边缘点较多时,基于Huasdorff
距离的模板匹配跟踪算法计算量较大,因此本文根据Huasdorff距离的基本性 质,提出了/优势点拣选法0\在这种方法中,首先根据Huasdorff距离的
距离阂值选出优势点,然后在优势点位置进行Hnasdorff距离计算,最后根据 Huadsorff距离的代价函数得出最佳匹配位置\实验证明,这种算法大大提高 了Hausdorff距离计算速度,同时也保证了匹配精度\
4.研究了Kalmna滤波观测噪声和过程噪声协方差的设置方法\本文首先
根据随机变量的观测样本确定观测噪声的协方差,然后根据实验确定过程噪声 的协方差\实验证明,该方法确定参数的Kalmna滤波器具有良好的预测性能\
关键词:对称差分背景差分相关匹配Huasdorff距离优势点拣选法山东大学硕士学位论文 Abstract
Thedeteetionandtraekingofthemovingobjeets15oneofthemostimPortant branehesintheeomPutervision,whieheombinesadvaneedteehnologiesand researehachievementsinimageProeessing,Pattemereognition,artificial intelligenee,automatiecontrolandotherrelativefields.IthasbroadlyaPPliedin videosurveillanee,robotsnvaigation,videotransmission,videoretrieval,medieal imageanalysis,Meteoorlogicalanalysisandotherfields,50thissubjeethas imPortanttheoretiealsignifieancenadwidePraetiealvalue.
Aeeordingtodieffrentvideosuvreillaneeseene,theteehniqueofthemoving objeetsdeteetion15dieffrent.InthisPaPer,thedeteetionofmovingobjeets,the temPlatecorrelationmatehingofthemovingobjeetsandthetemPlatematehing algorithmbasedonHausdorffdistaneehavebeenstudiednadallthestudiesareon theassumPtionthatthebaekground15stationary.
TheinnovationnadthemajorworksofthisPPaerinelude:
1.Studyingthedeteetionofthemovingobjeets.Sineethebaekground15
stationayrinmostofvideosurveillnaee,thisPPaerPr0PosesthemoVingobjeets deteetingalgorithmeombiningtheBackgorundSubtraetionnadtheSymmetrieal dieffroneeinthemovingregion.IntheProPosedalgorithm,htemovingregion15 firstdeteetedaeeordingtotheSymmetriealdieffreneeimage,thenhteSymmetrieal dieffreneeimagedoes/or,,oPerationwiththeBaekgorundSubtraetionimageinthe deteetedmovingregion.ExPerimentsshowthatthisalgorithnlredueesthe
influenceofthenoiseintheBaekgroundSubtraetionimagetothedeteetionresult ofmovingobjects# 2
.
StudyingthePyrmaidtemPlateeorrelationmatehingalgorithlll.The
ealetzlatjonofthetemPlateeorrelationmatehingalgorithm15toolarge,nadean.t satisyfthereal一timetracking,50wepaPlythePyramidicstruetuertothisalgorithm. Thepyramidtemplateeorrelationmatehingalgorithnlhastwoprocesses:theeoarse
matehingandthefinematehing.Intheeoarsematehi一飞9Proeess,alotof山东大学硕士学位论文 eoordinatesaresignedbeirrelevnattotheobjeet,whiehneednottobeealeulatein thefinemaiehingProeess,50theealeulatingsPeed15imPorvedgreatly. 3 .
ProPosethe/seleetingPrePondernatPoints,,method.InthetemPlate
matehingalgoritlllnbasedontheHausdorffdistanee,theealeulation15toolargeif therearetoomanyedgedotsinthetemPlateandtheimage.BasedontheHausdorff distaneeeharaeters,the/seleetingPrePonderantPoints,,method15ProPosedinthis thesis.Inthismethod,the/PrePonderantPoints,,areseleetedfromalltheedgedots intheimagebasedontheHausdorffdistaneethreshold,thenhtetemPlatematehing algorithnlbasedontheHausdorffdistnaee15caleulatedonthe/PrePondernat Points,,,atlastthebestmatehingPosition15deeidedaeeordingottheHuasdorff distanceeostufnction.ExPerimentsshowthatthe/seleetingPrePondernatPoints0 methodnotonlysPeedsuPtheealeulation,butalsoensuershtematehPreeiseness. 4 .
Studyingthesetting叩Proachoftheeovarinaeeofhteobsevrationnoise nadtheProeessnoiseinhteKalmnafilte.rInhtishtesis,theeovarinaceofthe
observationnoise15firstedueedaeeordingtothesmaPleofhternadomvaribale, thenhteeovarinaeeoftheProeessnoise15deeidedthxoughexPeriments.AsProved intheexPeriments,theKalmanfilterwiththeParmaeterseducedbyhtispaProaeh hasbetterofreeastPerofrmanee.
Keywords:SymmetricaldiefferneeBackgroundSubtraction HausdorffdistnaeetemPlateCorrelationmatehing
seleetingPerPonderantPoints山东大学硕士学位论文山东大学硕士学位论文 第一章绪论 课题研究的意义
计算机视觉是利用计算机实现视觉信息处理的一门学科,它涉及计算机! 心理学!生理学!物理学!信号处理和数学等领域,是一门交叉性很强的学科\作为计算机视觉研究的核心课题之一一运动目的检测与跟踪己经有近20年的 研究历史,这种技术的研究主要涉及到运动目标检测与提取!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日,2J\运动目标检测与跟 踪的工作过程如图1.1所示\
:些遨翔从!\扭卿兰骂{\沐!脸测.}皿竺圳-:!.;衍\望士之! 图1.1运动目标检测与跟踪过程
从图1.1可以得知,运动目标检测与跟踪的主要工作可以分为目标检测和 目标跟踪两个方面\运动目标检测是运动目标检测与跟踪的第一部分,它实时 地在被监视的场景中检测运动目标,并将其提取出来\运动目标跟踪是衔接运
动目标检测和目标行为分析与理解的一个重要环节,它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 最相似的图像位置\在实际应用中,运动目标跟踪不仅可以提供目标的运动轨 迹和准确定位目标,为下一步的目标行为分析与理解提供了可靠的数据来源, 而且也可以为运动目标检测提供帮助,从而形成一个良性的循环\运动目标检测与跟踪在智能交通!视频监控!机器人导航!视频传输!视
频检索!医学图像分析!气象分析等许多领域2[]有着广泛的应用,对军事中的 武器制导和控制!提高武器打击精度和准确度方面有着重要的影响\因此,运 动目标的检测与跟踪具有广阔的发展前景,具有较强的研究价值和意义\,
2运动目标检测和跟踪的主要方法及研究现状
运动目标检测与跟踪主要包括目标检测和目标跟踪两个方面,运动目标检山东大学硕士学位论文
测是运动目标跟踪的基础,同时运动目标跟踪的结果也可以为运动目标检测提 供信息,因此两者之间具有非常紧密的关系\下面本文分别就运动目标检测和 运动目标跟踪的主要方法和研究现状作简要的阐述\运动目标检测方法
按照目标与摄像机之间的关系,运动目标检测可以分为静态背景下运动目
标检测和动态背景下的运动目标检测\所谓静态背景下的运动目标检测是指摄 像机在整个监视过程中不发生移动,只有被监视目标在摄像机的视场内运动, 这个过程只有目标相对于摄像机的运动;动态背景下运动目标检测是指摄像机 在整个监视过程中发生了移动(如平动!旋转或多自由度运动),被监视目标在 摄像机的视场内也发生了运动,即在监视过程中目标与摄像机之间产生了复杂 的相对运动\
静态背景下运动目标检测主要有三种常用方法:帧差法,3[4J!背景差分法5l[
和光流法16一81\帧差法是根据图像中像素点的灰度差计算出运动物体的位置和 形状等信J自!,这种方法对于动态环境有很好的适应性,但不能提取出较完整的 运动目标;背景差分法是一种特殊的帧差法,它能够较完整的提取出运动目标, 但对光照和外部条件造成的动态场景变化过于敏感;光流法是基于对光流场的 估算进行检测分割的方法\针对光流法中的孔径问题,人们提出了各种方法来
克服这一问题\例如使用光流全局平滑性假设来求解光流的HOrn一Shcunck方法 9l[;使用一个模型通过最小二乘法来拟合像素点领域内的光流值,约束光流进
行局部调整的Lucas一Knadae[-O]方法;利用二阶导数求光流的Ngael方法[川和利 用鲁棒回归算法计算光流,克服遮挡时运动边界信息不可靠问题的鲁棒计算法 1[21等\光流法经过改进,能够在摄像机运动情况下较好地检测出运动目标, 但是这种方法的计算复杂,不适于实时处理\
帧差法和背景差分法具有计算简单,实时处理效率高的特点,因此,出现
了许多对帧差法和背景差分法的改进方法\文献=13,148提出了一种将帧差法和 背景差分法相结合的方法,取得较好的效果,但还存在着目标轮廓检测的不完 整性和目标相关点保留较少的问题〔\15]利用连续3帧间差分法,对得到的两山东大学硕士学位论文
个差分图像进行相与处理后,利用NATST(newad即tivehrtesho一dseleetive
etchniuqe)二值化算法提取运动目标;〔5〕通过联合背景分析和简单的二值图像 处理来完成目标的提取,背景更新是通过对一段时间最小灰度值!最大灰度值