本文選題：光流法 + 目標(biāo)檢測��； 參考：《安徽理工大學(xué)》2017年碩士論文

【摘要】：基于運(yùn)動目標(biāo)的檢測和跟蹤是道路交通監(jiān)管中經(jīng)常遇到的一個問題,我們通常是利用模式識別的方法來對視頻圖像中的車輛進(jìn)行跟蹤。車輛等目標(biāo)的跟蹤就是在視頻圖像的每個圖像中確定我們所需要的目標(biāo)位置,來實現(xiàn)跟蹤。隨著科學(xué)技術(shù)的不斷發(fā)展,目標(biāo)檢測與跟蹤技術(shù)越來越智能化。其中基于運(yùn)動目標(biāo)的檢測跟蹤算法在對現(xiàn)實的虛擬、過程控制、軍事、醫(yī)療、道路交通監(jiān)控等諸多領(lǐng)域都有廣闊的應(yīng)用前景。而跟蹤算法的關(guān)鍵在于如何快速、高效地在每一幀圖像中實現(xiàn)自動目標(biāo)定位�；诠饬鞣ǖ乃惴◤V泛應(yīng)用于目標(biāo)檢測和跟蹤系統(tǒng)。本篇論文中介紹了幾種常用的目標(biāo)檢測與目標(biāo)跟蹤算法,通過將各算法之間的優(yōu)缺點進(jìn)行比較,本文提出了改進(jìn)的目標(biāo)檢測與跟蹤算法,最后進(jìn)行仿真實驗,從實驗結(jié)果發(fā)現(xiàn)改進(jìn)的算法具有一定的準(zhǔn)確性。從以下幾個方面論述了本文的主要研究內(nèi)容以及創(chuàng)新點:介紹了三種經(jīng)典的運(yùn)動目標(biāo)檢測算法,背景差分法(background difference method)、幀差法(frame difference method)、光流法(optical flow method)以及基于光流法的運(yùn)動目標(biāo)檢測與跟蹤改進(jìn)算法。簡要介紹了三種算法的基本原理,并將各種算法的優(yōu)缺點進(jìn)行了對比。BDM檢測對其動態(tài)背景變化的檢測十分敏感;FDM盡管其計算量比其它算法要小,但當(dāng)用來對運(yùn)動目標(biāo)進(jìn)行檢測時會發(fā)生"空洞"的現(xiàn)象;OF雖在復(fù)雜環(huán)境條件下能進(jìn)行運(yùn)動目標(biāo)的檢測,卻容易收到噪聲的干擾。同時通用的光流算法耗時較大不能滿足實時性要求,且不能精確檢測出運(yùn)動目標(biāo)的外形。因此,對傳統(tǒng)算法存在的一些缺陷,本文提出了特征光流法(Characteristic optical flow method)和ViBe算法組成新型的光流計算模型對視頻圖像中運(yùn)動目標(biāo)進(jìn)行準(zhǔn)確檢測獲得圖像的稠密紋理流,將運(yùn)動物體的邊緣信息與光流運(yùn)動的信息進(jìn)行多特征融合,從計算結(jié)果的精度和穩(wěn)健性兩方面進(jìn)行評估。對于運(yùn)動目標(biāo)的跟蹤,本文主要采用的是基于擴(kuò)展性卡爾曼濾波的光流法的跟蹤方法。擴(kuò)展性卡爾曼濾波算法能很好的解決非線性觀測下目標(biāo)的跟蹤問題。當(dāng)運(yùn)動目標(biāo)遇到遮擋時,擴(kuò)展性卡爾曼濾波能很好的對運(yùn)動目標(biāo)進(jìn)行估計與預(yù)測。通過Matlab仿真實驗結(jié)果分析,擴(kuò)展性卡爾曼濾波技術(shù)對運(yùn)動目標(biāo)進(jìn)行跟蹤時,其運(yùn)算范圍更廣泛,運(yùn)算速度更快結(jié)果更精確。
[Abstract]:Detection and tracking based on moving targets is a problem often encountered in the supervision of road traffic. We usually use pattern recognition method to track the vehicle in the video image. The tracking of the target of the vehicle is to determine the target position we need in each image of the video image to achieve the tracking. With the continuous development of learning technology, the technology of target detection and tracking is becoming more and more intelligent. The detection and tracking algorithm based on moving targets has broad application prospects in many fields, such as virtual reality, process control, military, medical, road traffic monitoring and so on. The key of tracking algorithm is how to quickly and efficiently in each frame. The algorithm based on optical flow method is widely used in target detection and tracking system. In this paper, several common target detection and target tracking algorithms are introduced. By comparing the advantages and disadvantages of each algorithm, an improved target detection and tracking algorithm is proposed in this paper. Finally, simulation experiments are carried out. The results show that the improved algorithm has certain accuracy. The main research contents and innovation points are discussed from the following aspects: three classical algorithms of moving target detection, background difference (background difference method), frame difference (frame difference method), optical flow (optical flow method) and base An improved algorithm for moving target detection and tracking in the light flow method. The basic principles of the three algorithms are briefly introduced, and the advantages and disadvantages of the various algorithms are compared with the.BDM detection, which is sensitive to the detection of dynamic background changes; FDM, although its computation is smaller than other algorithms, will be "empty" when used to detect moving targets. The phenomenon of "hole"; although OF can detect the moving target in complex environment, it is easy to get noise interference. At the same time, the common optical flow algorithm is time-consuming and can not meet the real-time requirements, and can not accurately detect the shape of the moving target. Therefore, the feature optical flow method (Charac) is proposed in this paper. Teristic optical flow method) and ViBe algorithm form a new optical flow calculation model to detect the moving target in the video image accurately and obtain the dense texture flow of the image. It combines the edge information of the moving object with the information of the optical flow motion, and evaluates the accuracy and robustness of the results from two aspects. Following the tracking of moving targets, this paper mainly adopts the tracking method based on the optical flow method based on the extended Calman filter. The extended Calman filtering algorithm can solve the tracking problem of the target under the nonlinear observation. When the moving target meets the occlusion, the extended Calman filter can estimate and predict the moving target very well. Matlab simulation experiment results analysis, the extended Calman filter technology for moving target tracking, its operation range is more extensive, faster operation results more accurate.
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U495;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫正,郁道銀,陳曉冬,徐智,黃家祥,謝洪波;基于光流法的冠狀動脈造影圖像序列中血管運(yùn)動的估計[J];工程圖學(xué)學(xué)報;2003年03期

2 龔大墉;汪治華;楊數(shù)強(qiáng);劉巖;;基于目標(biāo)的局部約束光流分析[J];重慶工學(xué)院學(xué)報(自然科學(xué)版);2009年07期

3 馬鵬飛;楊金孝;;基于光流法的粒子圖像測速[J];科學(xué)技術(shù)與工程;2012年32期

4 孫承志;熊田忠;吉順平;張家海;;基于差分的光流法在目標(biāo)檢測跟蹤中的應(yīng)用[J];機(jī)床與液壓;2010年14期

5 吳春龍;潘海鵬;夏永明;;基于光流法的氣密性檢測裝置研究[J];機(jī)電工程;2013年08期

6 楊明浩;陶建華;葉軍濤;王陽生;;排除光流錯誤跟蹤點的魯棒方法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2012年01期

7 牛一捷;;一種基于稀疏表達(dá)和光流的目標(biāo)跟蹤方法[J];大連交通大學(xué)學(xué)報;2014年02期

8 張洪濤;張廣玉;李隆球;王林;;微型二維光流傳感器設(shè)計[J];哈爾濱工程大學(xué)學(xué)報;2014年05期

9 周仲文;劉洋;;基于輪廓匹配與光流預(yù)測的智能監(jiān)控應(yīng)用研究[J];機(jī)械與電子;2010年S1期

10 李瑩;周云龍;范振儒;;基于光流法的流化床氣固兩相流流場的檢測[J];東北電力大學(xué)學(xué)報;2012年01期

相關(guān)會議論文 前3條

1 韓雷;;光流法在強(qiáng)對流天氣臨近預(yù)報中的應(yīng)用[A];第26屆中國氣象學(xué)會年會第三屆氣象綜合探測技術(shù)研討會分會場論文集[C];2009年

2 周仲文;劉洋;;基于輪廓匹配與光流預(yù)測的智能監(jiān)控應(yīng)用研究[A];2010年西南三省一市自動化與儀器儀表學(xué)術(shù)年會論文集[C];2010年

3 唐勇;張桂林;李利榮;;基于光流的運(yùn)動目標(biāo)檢測方法研究[A];冶金自動化信息網(wǎng)年會論文集[C];2004年

相關(guān)博士學(xué)位論文 前2條

1 傅博;智能監(jiān)控系統(tǒng)中的若干個關(guān)鍵問題研究[D];吉林大學(xué);2013年

2 于春雨;基于光流法火災(zāi)煙霧視頻圖像識別及多信息融合探測算法研究[D];中國科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 劉潔;基于光流法的運(yùn)動目標(biāo)檢測和跟蹤算法研究[D];中國礦業(yè)大學(xué);2015年

2 王效文;基于光流法的車輛檢測與跟蹤[D];江蘇科技大學(xué);2015年

3 黃振棟;基于異構(gòu)多核的運(yùn)動目標(biāo)檢測系統(tǒng)的設(shè)計與研究[D];哈爾濱工業(yè)大學(xué);2014年

4 程利群;基于半監(jiān)督式學(xué)習(xí)靶標(biāo)自動識別方法研究[D];長春理工大學(xué);2014年

5 蔡佳麗;基于顯著性的運(yùn)動目標(biāo)檢測技術(shù)研究[D];中國科學(xué)院研究生院(光電技術(shù)研究所);2016年

6 劉慧勤;目標(biāo)檢測技術(shù)研究[D];中國科學(xué)院研究生院(光電技術(shù)研究所);2016年

7 黃杭;基于光流法的運(yùn)動目標(biāo)檢測與跟蹤[D];東北大學(xué);2014年

8 于振東;基于光流法的瞳孔中心跟蹤算法[D];蘭州大學(xué);2016年

9 崔利云;基于光流法的運(yùn)動目標(biāo)跟蹤算研究[D];天津工業(yè)大學(xué);2016年

10 李景衛(wèi);一種尺度不變光流法的運(yùn)動目標(biāo)跟蹤算法研究[D];湖南科技大學(xué);2016年

，

本文編號：2093772