复杂背景下非刚体目标跟踪算法研究

摘要

智能视频监控作为图像处理和计算机视觉领域的一个重要课题，在国民经济和国防建设中发挥着重要作用，有极其重要的科学意义和广阔的应用前景。本文针对实际监控系统的复杂性，着重研究了复杂场景中非刚体目标的检测和跟踪方法。
　　 在运动目标检测方面，通过对目前背景减算法的研究和分析，针对现有算法的不足，提出了一种改进的基于∑-△的背景减方法，该算法通过对均值和方差的调制解调训练，能够建立准确的背景模型。实验结果表明该方法能有效排除场景中树叶的摆动、光照变化、雨雪等的干扰，快速鲁棒地检测到运动的目标。
　　 在运动目标识别方面，总结了阴影的特点，对基于HSV颜色信息的阴影去除方法进行了改进，提出了将颜色信息和纹理信息相结合的阴影检测方法，能够较准确地去除区域内的阴影点。在此基础上，使用了一种改进的快速连通域标记算法，即使在场景中目标面积较大时也能够快速地定位运动目标。
　　 在运动目标跟踪方面，在对均值偏移和粒子滤波算法研究的基础上，利用信息融合的思想，提出了一种融合结构信息的均值偏移粒子滤波算法。该方法通过均值偏移预测各粒子最可能出现的位置，目标的最终位置由各粒子位置的加权确定。实验结果表明该算法能有效解决跟踪过程中的尺度变换和遮挡问题。

目录

文摘

英文文摘

声明

1 绪论

1.1课题的研究背景与意义

1.1.1课题背景

1.1.2课题的目的及意义

1.2课题研究现状及存在的问题

1.2.1运动目标检测

1.2.2运动目标识别

1.2.3运动目标跟踪

1.3论文的研究内容及结构安排

1.3.1论文的主要研究内容

1.3.2论文的组织结构

2 基于背景减的运动目标检测方法

2.1引言

2.2背景减的基本原理

2.3常用的背景减方法

2.3.1单高斯模型

2.3.2混合高斯模型方法

2.3.3基于统计的背景建模方法

2.3.4实验结果及分析

2.4改进的背景减方法

2.4.1基于贝叶斯的运动目标检测方法

2.4.2改进的基于∑-△算法的背景减方法

2.4.3实验结果及分析

2.5本章小结

3 运动目标识别

3.1形态学滤波

3.1.1传统的形态学滤波

3.1.2改进的形态学滤波

3.2阴影的去除

3.2.1阴影的属性与分类

3.2.2阴影检测算法

3.2.3改进的阴影检测算法

3.2.4实验结果及分析

3.3连通区域分析

3.3.1基本的领域关系

3.3.2连通区域分析的基本原理

3.3.3改进的连通区域分析算法

3.3.4快速连通区域分析算法

3.4运动目标识别的实验结果

3.5本章小结

4 运动目标跟踪算法

4.1引言

4.2基于颜色直方图的运动目标的表示

4.2.1目标模型的表示

4.2.2候选模型的表示

4.2.3相似性函数

4.2.4颜色空间的选择

4.3基于均值偏移算法的运动目标跟踪

4.3.1算法理论

4.3.2算法流程

4.4基于粒子滤波的运动目标跟踪

4.4.1算法理论

4.4.2算法流程

4.5改进的运动目标跟踪算法

4.5.1结构模型的建立

4.5.2融合结构信息的改进粒子滤波方法

4.5.3尺度自适应变化

4.5.4解决遮挡问题

4.6实验结果及分析

4.7本章小结

结论

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果