本文關鍵詞：運動目標檢測與跟蹤算法的研究及應用，由筆耕文化傳播整理發(fā)布。

【摘要】：運動目標的檢測和跟蹤是計算機視覺領域研究的一個熱點問題,它的主要任務是發(fā)現(xiàn)并定位視頻圖像中的目標,然后進行識別和分析判斷。運動目標檢測和跟蹤的研究目的是使機器具有人類的視覺感知能力,可以辨識圖像序列中的運動目標,從目標中提取重要的數(shù)據(jù)信息進行分析和理解,但是圖像在采集過程中通常會受到各種干擾,比如復雜的圖像背景或者目標本身的運動引起的遮擋等問題。論文主要針對實際應用中不斷出現(xiàn)的新問題,分別從目標檢測和目標跟蹤兩個方面分析,闡述論證現(xiàn)有算法的優(yōu)缺點,提出改進的方案,并圍繞交通監(jiān)控系統(tǒng)中的具體應用展開論述。首先,論文研究基于背景建模的運動目標檢測算法和簡單的非背景建模法。非背景建模法中詳細的介紹了幀間差分法以及光流法,分析了各自的應用場景,實驗論證了算法的有效性和局限性。詳細介紹了一些經(jīng)典的背景建模算法,相應地給出實驗結果和分析,提出了算法存在的問題。針對混合高斯建模算法和ViBe背景建模算法中存在的不足提出了改進方法,闡述了相關理論并進行了實驗論證。其次,論文研究運動目標跟蹤算法。選擇介紹了一些經(jīng)典的跟蹤算法：Camshift跟蹤算法,卡爾曼濾波跟蹤算法,基于壓縮感知理論的跟蹤算法。給出每種算法的基本原理,并對算法進行實驗論證,分析存在的問題。針對Camshift算法的不足,將Kalman濾波引入到Camshift跟蹤算法中,進行了一定的改進。論文還介紹了基于視頻的車輛檢測分類與跟蹤系統(tǒng),進一步驗證了改進算法的優(yōu)越性。系統(tǒng)的開發(fā)可以分為硬件設計、圖像預處理、移動車輛檢測、運動目標分類、運動目標跟蹤五個階段。目標分類階段提出一種計算Haar特征的Adaboost級聯(lián)分類器來實現(xiàn)車輛識別的方法。最后根據(jù)實際應用需要,給出系統(tǒng)的測試結果、數(shù)據(jù)及其分析。
【關鍵詞】：目標檢測 背景建模 目標跟蹤 車輛檢測分類
【學位授予單位】：安徽理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要5-6
• Abstract6-12
• 1 緒論12-18
• 1.1 研究背景和意義12-13
• 1.2 國內外研究現(xiàn)狀13-15
• 1.2.1 運動目標檢測14
• 1.2.2 運動目標跟蹤14-15
• 1.3 技術難點15-17
• 1.4 本文組織結構17-18
• 2 運動目標檢測研究18-40
• 2.1 幀間差分法18-21
• 2.1.1 簡單幀差法18-19
• 2.1.2 三幀差分法19-21
• 2.2 光流法21-23
• 2.3 背景差分法23-38
• 2.3.1 平均背景法23-25
• 2.3.2 混合高斯建模25-30
• 2.3.3 碼書模型建模30-34
• 2.3.4 ViBe背景建模34-38
• 2.4 本章小結38-40
• 3 運動目標跟蹤研究40-58
• 3.1 Camshift跟蹤40-44
• 3.2 Kalman濾波跟蹤44-48
• 3.2.1 Kalman濾波原理45-47
• 3.2.2 基于Kalman濾波的運動目標跟蹤47-48
• 3.3 Camshift與Kalman濾波相結合的跟蹤48-51
• 3.4 壓縮跟蹤51-56
• 3.4.1 預備知識51-53
• 3.4.2 算法細節(jié)53-55
• 3.4.3 快速壓縮跟蹤55-56
• 3.5 本章小結56-58
• 4 車輛檢測分類與跟蹤系統(tǒng)設計58-80
• 4.1 系統(tǒng)設計58-61
• 4.1.1 視頻采集硬件系統(tǒng)58-59
• 4.1.2 上位機軟件系統(tǒng)59-61
• 4.2 圖像預處理61-65
• 4.2.1 視頻圖像空間濾波61-63
• 4.2.2 形態(tài)學處理63-65
• 4.3 移動車輛檢測65-66
• 4.4 運動目標分類66-75
• 4.4.1 Haar特征提取和積分圖66-69
• 4.4.2 本文所使用的Haar特征69-70
• 4.4.3 AdaBoost分類器70-72
• 4.4.4 目標分類測試72-75
• 4.5 運動目標跟蹤75-79
• 4.6 本章小結79-80
• 5 結論與展望80-82
• 5.1 總結80-81
• 5.2 展望81-82
• 參考文獻82-88
• 致謝88-90
• 作者簡介及讀研期間主要科研成果90

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 宋凌怡;;基于膚色模型的人臉檢測與人眼定位[J];吉林大學學報(理學版);2015年06期

2 陳炫;顏學龍;;復雜環(huán)境下的改進Camshift算法研究[J];電子測量技術;2015年09期

3 仲躍;楊勁;顧京;張俊;汪超;;基于Kalman濾波器的視頻運動目標跟蹤算法研究[J];信息與電腦(理論版);2015年17期

4 樂應英;仲濤;;適用于遮擋和目標尺度變化的改進Camshift算法[J];計算機與數(shù)字工程;2015年06期

5 劉萬軍;劉大千;費博雯;;基于局部模型匹配的目標輪廓跟蹤[J];計算機工程與應用;2015年17期

6 王毅;王創(chuàng)新;盧進;盛文正;;基于HSV模型和改進AdaBoost算法的車牌檢測[J];電子科技;2015年02期

7 尹凱;魏江;李正;陳冰;王彤;齊金剛;;改進的Vibe運動目標檢測算法[J];電子設計工程;2014年16期

8 仇大偉;劉靜;;復雜場景下基于特征點匹配的目標跟蹤算法[J];山東科學;2014年04期

9 丁磊;宮寧生;;基于改進的三幀差分法運動目標檢測[J];電視技術;2013年01期

10 劉威;衛(wèi)立珩;;基于改進的碼書模型的運動目標檢測[J];天津理工大學學報;2012年06期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 鄧承志;圖像稀疏表示理論及其應用研究[D];華中科技大學;2008年

  本文關鍵詞：運動目標檢測與跟蹤算法的研究及應用，，由筆耕文化傳播整理發(fā)布。

本文編號：280519