發(fā)布時間：2019-03-02 16:05

【摘要】：運動目標檢測與跟蹤是計算視覺領(lǐng)域內(nèi)一個重要研究方向,它融合了圖像處理、模式識別、深度學(xué)習(xí)、人工智能等相關(guān)領(lǐng)域的知識,廣泛應(yīng)用在視頻監(jiān)控、智能機器人、工業(yè)檢測等領(lǐng)域,并且有著極大的發(fā)展前景。運動目標檢測與跟蹤是指獲取的圖像序列中的運動目標,返回目標實時位置并且對運動目標進行跟蹤。根據(jù)攝像頭與運動目標是否相對運動,可分為靜態(tài)背景下的運動目標檢測與跟蹤和動態(tài)背景下的運動目標檢測與跟蹤。本文主要研究靜態(tài)背景下的運動目標檢測與跟蹤。本文首先介紹了數(shù)字圖像處理方面的基礎(chǔ)知識,如常見的顏色空間模型、數(shù)學(xué)形態(tài)學(xué)處理方法;還分析了噪聲的特性和一些常見噪聲來源,并且給了中值濾波、高斯濾波、小波變換等去噪方法。在運動目標檢測方面,介紹了背景差分法、幀間差分法和光流法三種常見的運動目標檢測方法,并且給出了它們適用的場景以及主要優(yōu)缺點。針對背景差分法中背景模型不能實時反映背景變化的缺點,本文提出了一種將混合高斯背景模型與背景差分法結(jié)合的運動目標檢測方法,用多高斯背景模型描述背景的變化,隨著圖像序列的輸入動態(tài)的更新背景模型,然后與當(dāng)前幀圖像作差從而檢測出目標。在運動目標跟蹤方面,首先介紹了幾種常用的運動目標跟蹤方法,包括基于輪廓的跟蹤方法、基于模型的跟蹤方法、基于特征點的跟蹤方法和基于區(qū)域的跟蹤方法。主要研究了MeanShift算法和Camshift算法,并針對Camshift算法的不足,本文提出了一種將Kalman濾波與Camshift算法線性擬合的跟蹤方法,在目標跟蹤過程中加入了Kalman濾波對目標位置的預(yù)測,在物體被背景中其它物體遮擋時還能準確的跟蹤到目標物體�；谇笆龇椒�,本文在Visual Studio 2010集成開發(fā)平臺使用OPENCV視覺庫和C++編程語言開發(fā)了基于攝像頭的運動目標跟蹤系統(tǒng),該系統(tǒng)具有目標檢測、目標跟蹤。保存跟蹤視頻等功能。實驗結(jié)果表明,本系統(tǒng)能較好的實現(xiàn)復(fù)雜背景下的運動目標跟蹤。
[Abstract]:Moving object detection and tracking is an important research direction in the field of computational vision. It combines the knowledge of image processing, pattern recognition, deep learning, artificial intelligence and other related fields. It is widely used in video surveillance, intelligent robot, and so on. Industrial detection and other fields, and has a great prospect for development. Moving object detection and tracking refers to the moving object in the image sequence, which returns the real-time position of the target and tracks the moving object. According to the relative movement of camera and moving object, it can be divided into static background detection and tracking of moving object and dynamic background of moving object detection and tracking. This paper mainly studies moving target detection and tracking under static background. This paper first introduces the basic knowledge of digital image processing, such as the common color space model, mathematical morphology processing methods; The characteristics of noise and some common noise sources are also analyzed, and de-noising methods such as median filtering, Gao Si filtering and wavelet transform are given. In the aspect of moving target detection, the background difference method, the inter-frame difference method and the optical flow method are introduced, and their applicable scenes and main advantages and disadvantages are given. In view of the disadvantage that the background model can not reflect the background change in real time in the background difference method, this paper proposes a moving target detection method which combines the mixed Gao Si background model and the background difference method, and describes the background change with the multi-Gao Si background model. The background model is updated dynamically with the input of the image sequence, and then the target is detected by the difference from the current frame image. In the aspect of moving target tracking, several commonly used tracking methods are introduced firstly, including contour-based tracking method, model-based tracking method, feature-point-based tracking method and region-based tracking method. This paper mainly studies the MeanShift algorithm and the Camshift algorithm, and aiming at the deficiency of the Camshift algorithm, this paper proposes a linear fitting method between the Kalman filter and the Camshift algorithm, and adds the Kalman filter to the target position prediction in the target tracking process. When the object is occluded by other objects in the background, it can also accurately track the target object. Based on the above-mentioned methods, a camera-based moving target tracking system is developed in Visual Studio 2010 integrated development platform using OPENCV visual library and C programming language. The system has the functions of target detection and target tracking. Save tracking video and other functions. The experimental results show that the system can effectively track moving objects in complex background.
【學(xué)位授予單位】：江蘇科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 劉穎;廖桂生;李海;;動目標檢測、定位與成像方法研究[J];系統(tǒng)工程與電子技術(shù);2005年12期

2 李文明;;相干動目標檢測器中的正交雙通道不平衡效應(yīng)[J];現(xiàn)代雷達;1988年01期

3 郭志芬,張玉蘭;圖象動目標檢測[J];北京理工大學(xué)學(xué)報;1992年03期

4 鄭世超;宋紅軍;劉亞波;閆賀;吳琨;;廣域監(jiān)視動目標檢測模式下動目標快速定位誤差分析[J];雷達學(xué)報;2013年04期

5 胡愛明;胡可欣;;一種基于優(yōu)化設(shè)計的動目標檢測方法及其運用[J];航天電子對抗;2006年06期

6 胡可欣;胡愛明;;一種優(yōu)化設(shè)計的動目標檢測方法及其運用[J];火控雷達技術(shù);2007年02期

7 劉書君;袁運能;魏俊;毛士藝;;雙通道與單通道相結(jié)合的運動目標檢測新方法[J];信號處理;2008年03期

8 林文耀;覃亞麗;胡海容;;基于分數(shù)傅立葉變換的機載SAR多運動目標檢測[J];計算機與數(shù)字工程;2009年01期

9 劉敬興;;地面探測脈沖壓縮雷達的動目標檢測[J];電子技術(shù)應(yīng)用;2010年01期

10 史洪印;;基于道路輔助的機載SAR動目標檢測和參數(shù)估計[J];燕山大學(xué)學(xué)報;2012年05期

相關(guān)會議論文 前8條

1 王新勇;梁國龍;惠俊英;郭龍祥;;寬帶多頻動目標檢測的仿真研究[A];2001年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2001年

2 王磊;;雙置條件下運動目標檢測方法[A];2008年全國聲學(xué)學(xué)術(shù)會議論文集[C];2008年

3 祁亞斌;周軍紅;;基于二維最大熵的運動目標檢測[A];計算機技術(shù)與應(yīng)用進展·2007——全國第18屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

4 穆文爭;張曉玲;;一種新的多通道SAR運動目標檢測方法[A];2007北京地區(qū)高校研究生學(xué)術(shù)交流會通信與信息技術(shù)會議論文集（上冊）[C];2008年

5 王宏群;方帥;高明;;基于抑制光強變化影響的運動目標檢測[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

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

7 郭銳;王建國;;基于特征分解的多通道SAR運動目標檢測[A];2006北京地區(qū)高校研究生學(xué)術(shù)交流會——通信與信息技術(shù)會議論文集（上）[C];2006年

8 王睿;國智;王鳳宇;;利用動態(tài)參數(shù)檢測紅外動目標的算法研究[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 許京偉;頻率分集陣列雷達運動目標檢測方法研究[D];西安電子科技大學(xué);2015年

2 屈鑒銘;智能視頻監(jiān)控中的運動目標檢測與跟蹤技術(shù)研究[D];西安電子科技大學(xué);2015年

3 王歡;復(fù)雜場景下的運動目標檢測與跟蹤研究[D];北京理工大學(xué);2015年

4 李菊;復(fù)雜背景下的運動目標檢測與跟蹤[D];合肥工業(yè)大學(xué);2015年

5 張雷;分布式SAR動目標檢測關(guān)鍵技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

6 王金偉;多波段/多波形新體制SAR運動目標檢測與成像[D];西安電子科技大學(xué);2016年

7 杜文韜;陣列雷達動目標檢測多維域方法研究[D];西安電子科技大學(xué);2015年

8 黃敏;基于視頻的運動目標檢測研究[D];東南大學(xué);2014年

9 鄭明潔;合成孔徑雷達動目標檢測和成像研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2003年

10 危嵩;機載合成孔徑雷達動目標檢測與成像研究[D];華中科技大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 夏斌偉;視頻監(jiān)控中的運動目標檢測與跟蹤[D];華南理工大學(xué);2015年

2 亓萌;雙基地SAR動目標檢測及成像研究[D];電子科技大學(xué);2015年

3 王龍;動態(tài)場景建模與運動目標檢測方法研究[D];電子科技大學(xué);2014年

4 黃蒙;基于FPGA的雷達運動目標檢測系統(tǒng)設(shè)計[D];西安電子科技大學(xué);2014年

5 羅一淳;SAR轉(zhuǎn)動目標檢測與參數(shù)估計方法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

6 柴國強;機載SAR動目標檢測及參數(shù)估計技術(shù)研究[D];電子科技大學(xué);2014年

7 蘇靖峰;基于激光掃描的運動目標檢測與識別[D];電子科技大學(xué);2014年

8 李春海;DBS成像與廣域地面動目標檢測、定位方法研究[D];西安電子科技大學(xué);2014年

9 崔雪梅;靜態(tài)場景下運動目標檢測和跟蹤的關(guān)鍵技術(shù)研究[D];青島大學(xué);2015年

10 魯緣政;機載MIMO雷達運動目標檢測和跟蹤方法研究[D];西安電子科技大學(xué);2014年

，

本文編號：2433214