【摘要】：隨著計(jì)算機(jī)軟件和硬件的快速發(fā)展,基于計(jì)算機(jī)視覺(jué)的智能視頻監(jiān)控技術(shù)日益重要。其中,運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)是智能視頻監(jiān)控最重要的技術(shù)之一,結(jié)合了眾多領(lǐng)域內(nèi)的高級(jí)技術(shù),被廣泛地應(yīng)用于醫(yī)療診斷、智能監(jiān)控、自動(dòng)駕駛、機(jī)器人和基于視頻的人機(jī)交互等領(lǐng)域。Cam Shift算法利用目標(biāo)區(qū)域在HSV顏色空間下的H分量作為目標(biāo)特征,對(duì)目標(biāo)形變敏感度較低,又由于該算法的復(fù)雜度低、計(jì)算量小、實(shí)時(shí)性好等優(yōu)點(diǎn),被廣泛用于運(yùn)動(dòng)目標(biāo)跟蹤領(lǐng)域。本文基于Cam Shift算法主要進(jìn)行了兩方面的改進(jìn),一方面將Cam Shift算法與運(yùn)動(dòng)目標(biāo)檢測(cè)算法結(jié)合。為了減少因加入運(yùn)動(dòng)目標(biāo)檢測(cè)算法而增加的計(jì)算量,采用僅包含運(yùn)動(dòng)目標(biāo)在內(nèi)的小區(qū)域圖像進(jìn)行運(yùn)算,這種方法大大提高了整體算法的運(yùn)算速度。另一方面,針對(duì)Cam Shift算法在運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)過(guò)程中接近與其顏色相近的固定遮擋物時(shí)會(huì)出現(xiàn)明顯偏移的問(wèn)題,提出運(yùn)用單高斯背景模型對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行背景建模的方法。通過(guò)實(shí)驗(yàn)證明,該方法能夠有效地解決了原Cam Shift算法在接近顏色相近固定遮擋物時(shí)跟蹤出現(xiàn)偏移的問(wèn)題,在一定程度上增加了原算法的準(zhǔn)確性。
[Abstract]:With the rapid development of computer software and hardware, intelligent video surveillance technology based on computer vision is becoming more and more important. Among them, moving target tracking technology is one of the most important technologies of intelligent video surveillance, which combines advanced technology in many fields and is widely used in medical diagnosis, intelligent monitoring and autopilot. Cam Shift algorithm makes use of the H component of the target region in the HSV color space as the target feature, and has low sensitivity to the target deformation, and because of the low complexity of the algorithm and the small amount of computation, the cam algorithm makes use of the H component of the target region in the HSV color space as the target feature. It is widely used in the field of moving target tracking because of its good real-time performance. In this paper, two improvements are made based on Cam Shift algorithm, on the one hand, Cam Shift algorithm is combined with moving target detection algorithm. In order to reduce the computational complexity caused by adding the moving target detection algorithm, the small area image, which only includes the moving target, is used to calculate, which greatly improves the operation speed of the whole algorithm. On the other hand, in order to solve the problem that Cam Shift algorithm will appear obvious offset when it is close to the fixed mask whose color is similar to the moving target in the process of moving target motion, a method of background modeling of moving target using single Gaussian background model is proposed. The experimental results show that this method can effectively solve the problem of tracking migration when the original Cam Shift algorithm is close to the fixed mask with similar color, and increases the accuracy of the original algorithm to a certain extent.
【學(xué)位授予單位】：沈陽(yáng)理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TP391.41

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王杰;王加銀;;Mean Shift算法的收斂性討論[J];北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

2 宮軼松;歸慶明;李保利;喬書(shū)波;張靈敏;;基于均值漂移的粒子濾波算法設(shè)計(jì)及其在導(dǎo)航數(shù)據(jù)處理中的應(yīng)用[J];測(cè)繪學(xué)報(bào);2011年S1期

3 郭怡文;袁飛虎;;基于背景差分的多車(chē)道車(chē)流量檢測(cè)系統(tǒng)[J];電光與控制;2010年09期

4 馬曉婷;;行人跟蹤技術(shù)綜述[J];電腦知識(shí)與技術(shù);2011年19期

5 王倩;張樺;徐光平;薛彥兵;;結(jié)合均值漂移與最小生成樹(shù)的圖像分割算法[J];光電子.激光;2012年03期

6 莫登奎;林輝;李際平;孫華;熊育久;;基于均值漂移的高分辨率影像多尺度分割(英文)[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

7 皇甫高峻;費(fèi)樹(shù)岷;;跟蹤窗口尺度自動(dòng)更新的Mean-Shift跟蹤算法[J];工業(yè)控制計(jì)算機(jī);2009年11期

8 王凱;趙永強(qiáng);程詠梅;魏坤;;基于均值漂移和模糊積分融合的高光譜圖像分割[J];光子學(xué)報(bào);2010年01期

9 王福昌;萬(wàn)永革;錢(qián)小仕;張麗娟;張梅東;;由地震分布叢集性給出斷層參數(shù)的一種新方法[J];地球物理學(xué)報(bào);2013年02期

10 曹曉麗;李明;邢玉娟;譚萍;;幾種自動(dòng)目標(biāo)跟蹤算法的比較研究[J];硅谷;2013年02期

相關(guān)碩士學(xué)位論文 前10條

1 張娟;靜態(tài)場(chǎng)景中運(yùn)動(dòng)目標(biāo)的快速檢測(cè)與跟蹤技術(shù)[D];鄭州大學(xué);2010年

2 孫莉莉;基于FCM的圖像分割算法研究[D];廣西民族大學(xué);2010年

3 王英妹;基于視頻的目標(biāo)檢測(cè)與跟蹤的研究[D];昆明理工大學(xué);2009年

4 董德毅;基于Mean shift算法的目標(biāo)跟蹤方法研究[D];中南林業(yè)科技大學(xué);2009年

5 胡錚;面向視頻監(jiān)控的目標(biāo)檢測(cè)和跟蹤技術(shù)[D];浙江大學(xué);2011年

6 梁曦;基于視頻圖像的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];西安電子科技大學(xué);2011年

7 高海鵬;基于Mean Shift的視頻圖像序列人臉跟蹤方法[D];西安電子科技大學(xué);2011年

8 李棉;紅外圖像目標(biāo)分割方法研究[D];西安電子科技大學(xué);2011年

9 竇永梅;基于粒子群算法和卡爾曼濾波的運(yùn)動(dòng)目標(biāo)跟蹤算法[D];太原理工大學(xué);2011年

10 潘亞賓;雙足機(jī)器人目標(biāo)識(shí)別與跟蹤方法研究[D];江南大學(xué);2011年

，

本文編號(hào)：2483080