视频序列中多目标检测与跟踪技术的研究

摘要

数字智能视频监控系统在商场、银行、学校、医院等多种场所均有广泛应用，而目标检测与跟踪是该系统的主要步骤。本文在国内外学者们研究成果的基础上，针对目标检测方法和多目标跟踪方法的不足，分别提出了相应改进方法，同时设计开发了多目标检测和跟踪系统，文章的主要研究内容如下:
　　本文在分析混合高斯模型背景减法的基础上，针对传统混合高斯模型在背景复杂的情况下无法快速准确更新、对背景扰动光照变化鲁棒性不强的缺点，就混合高斯模型的更新率做出两点改进，提出了基于自适应更新率混合高斯模型的目标检测方法。一方面，让更新率与时间相关，即在建模初期，背景模型不稳定，采用较大的更新率;然后更新率逐步减小;当背景模型稳定以后，采用较小的更新率，以对噪声起一定的抑制作用，提高算法的鲁棒性。另一方面，让更新率与模型匹配程度相关。对于那些与观测值相匹配的高斯分布，依据匹配程度更新，而对于那些无法匹配的，其权重遵循一定规则衰减，但保持均值与方差不发生变化。实验结果表明改进后的算法能有效地检测出运算速度较快、较慢的目标对象，并且对背景干扰、光照变化等外界干扰有较强的鲁棒性。
　　本文在分析混合粒子滤波、高斯粒子滤波以及粒子概率假设密度(PHD)滤波方法的基础上，针对传统粒子PHD滤波方法跟踪多个目标时，不能有效地处理目标数量不确定或者未知情况的不足，在该方法的框架下，引入高斯粒子滤波以及混合粒子滤波方法，提出了基于高斯混合粒子PHD滤波方法的多目标跟踪方法。该方法用一系列带权值的高斯分量之和描述多目标PHD，同时与混合粒子滤波相结合，以便更好地维持各个目标的多模态分布。实验表明，较之传统粒子PHD滤波改进后的方法可以更好地完成目标驶入、驶出、重叠遮挡、互相分离等复杂情况下的目标跟踪，并且改进后的方法实验误差更低，跟踪结果更精确。
　　本文在VS2008平台上，利用C++、MFC以及OpenCv设计了多目标检测与跟踪系统。该系统包含视频输入、图像预处理、目标检测、形态学处理、目标跟踪以及计算结果输出这六个主要功能模块。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 国内外研究现状及发展趋势

1．2．1 运动目标检测

1．2．2 多目标跟踪

1．3 本文的研究内容与安排

第2章 图像处理技术

2．1 灰度图像和二值化

2．2 阈值设定

2．3 图像增强和复原

2．3．1 直方图均衡化

2．3．2 均值滤波和中值滤波

2．4 形态学处理

2．4．1 膨胀和腐蚀

2．4．2 开运算和闭运算

2．5 本章小结

第3章 自适应更新率的混合高斯模型目标检测

3．1 经典的运动目标检测算法

3．1．1 帧间差分法

3．1．2 背景减法

3．1．3 光流法

3．2 混合高斯模型

3．3 自适应背景更新率混合高斯模型

3．4 实验结果

3．5 本章小结

第4章 高斯混合粒子PHD滤波的多目标跟踪

4．1 混合粒子滤波

4．2 高斯粒子滤波

4．3 粒子PHD滤波

4．3．1 贝叶斯理论

4．3．2 PHD滤波

4．3．3 粒子PHD滤波原理

4．4 高斯混合粒子PHD滤波算法

4．5 实验结果与分析

4．6 本章小结

第5章 多目标检测跟踪系统设计实现

5．1 设计工具简介

5．1．1 OpenCv

5．1．2 MFC

5．1．3 Visual Studio

5．2 系统设计与实现

5．3 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

致谢

参考文献

硕士期间发表论文