【摘要】：視頻跟蹤是計算機(jī)視覺中的一項重要任務(wù),是指對視頻序列中的目標(biāo)狀態(tài)進(jìn)行持續(xù)推斷的過程,其任務(wù)在于通過在視頻的每一幀中定位目標(biāo),以生成目標(biāo)的運動軌跡,并在每一時刻提供完整的目標(biāo)區(qū)域。隨著跟蹤技術(shù)在智能視頻監(jiān)控、視覺導(dǎo)航、人機(jī)交互、虛擬現(xiàn)實、醫(yī)學(xué)診斷等領(lǐng)域的應(yīng)用,使得目標(biāo)跟蹤更具有研究意義。視頻序列中運動目標(biāo)的檢測與跟蹤不僅僅需要對視頻信號進(jìn)行大量的數(shù)據(jù)處理,還要對其結(jié)果做出相應(yīng)的判斷,比如運動目標(biāo)行為分析,運動軌跡等,這些都需要精確的算法。本文基于OpenCV二次開發(fā)平臺開展了視頻圖像預(yù)處理、視頻圖像運動目標(biāo)檢測提取、視頻圖像運動目標(biāo)跟蹤三個方面的研究,完成的主要研究工作如下:1.視頻圖像預(yù)處理研究。針對視頻幀序列圖像中容易出現(xiàn)的干擾噪聲、顏色相似等因素的影響,對圖像進(jìn)行去噪和形態(tài)學(xué)處理,使得圖像中目標(biāo)特征信息更加明顯,有利于目標(biāo)圖像的檢測提取。2.視頻圖像運動目標(biāo)檢測提取研究。針對傳統(tǒng)的檢測算法對運動目標(biāo)檢測時因受到光照變化結(jié)果準(zhǔn)確性不高的問題,本文采用圓形LBP算子和背景相減法相結(jié)合的算法對視頻圖像的運動目標(biāo)進(jìn)行檢測。具體方法是先算出背景幀和當(dāng)前幀的LBP紋理特征圖,然后將背景幀和當(dāng)前幀的LBP紋理特征圖的對應(yīng)像素異或生成前景目標(biāo)概率圖,其次,根據(jù)前景目標(biāo)概率圖的變化來自適應(yīng)更新背景,最后用背景相減法得到檢測目標(biāo)。實驗結(jié)果驗證了該算法的正確性和有效性。3.視頻圖像運動目標(biāo)跟蹤研究。本文研究的是道路視頻圖像序列,在此環(huán)境下視頻圖像序列易受到遮擋,目標(biāo)顏色相似和環(huán)境等因素的干擾,所以本文采用具有目標(biāo)位置預(yù)測的Kalman濾波和Camshift算法相結(jié)合來實現(xiàn)視頻圖像運動目標(biāo)的跟蹤,并完成了相關(guān)的目標(biāo)跟蹤實驗驗證。4.最后搭建了實驗平臺,對上述算法進(jìn)行了實驗驗證研究。實驗結(jié)果表明:視頻圖像運動目標(biāo)檢測提取算法具有較快的目標(biāo)搜索速度;Kalman濾波器和Camshift算法相結(jié)合的視頻圖像運動目標(biāo)跟蹤具有較好的魯棒性,跟蹤效果良好。
【學(xué)位授予單位】：廣西師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41
【圖文】：

第 2 章 視頻序列圖像處理的預(yù)處理研究類間方差值為： 2 20 0 1 1g w u u w u u(2.8)聯(lián)立（2.7）和（2.8）式可得： 20 1 0 1g w w u u(2.9)當(dāng)方差 g 最大時，此時前構(gòu)成圖像的兩部分景目標(biāo)和背景差異最大，此時 T是最佳閾值。在原灰度圖像基礎(chǔ)上根據(jù)上式求出最大方差 ，后經(jīng)過 OTSU 二值化處理效果如圖 2-4 所示。

10（c）受高斯噪聲影響的圖像圖 2-5 受椒鹽和高斯噪聲干擾的圖像噪聲是比較常見的。由于本文采用視頻序通狀況的視頻序列。在攝像機(jī)獲取視頻過過程中受到到噪聲干擾。因此，采集到的圖像目標(biāo)提取檢測造成影響。在確保圖像降低噪聲對信號的干擾，同時能對目標(biāo)特作。利用圖像去噪可以實現(xiàn)前述的要求，下思想是領(lǐng)域平均法，屬于線性濾波，它是用素的灰度，進(jìn)而實現(xiàn)對圖像噪聲的消除[2

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 孫盼慶;楊永躍;何亮亮;;一種改進(jìn)的高斯擬合法在光帶中心提取中的應(yīng)用[J];電子設(shè)計工程;2012年13期

2 蘇翠寧;黃東軍;;基于HSV空間模型的視頻場景切分[J];計算機(jī)系統(tǒng)應(yīng)用;2009年08期

3 方挺;楊忠;沈春林;;一種基于主動輪廓模型的運動目標(biāo)跟蹤方法[J];信息與控制;2008年01期

4 查宇飛;張育;畢篤彥;;基于區(qū)域活動輪廓運動目標(biāo)跟蹤方法研究[J];中國圖象圖形學(xué)報;2006年12期

相關(guān)博士學(xué)位論文 前2條

1 袁國武;智能視頻監(jiān)控中的運動目標(biāo)檢測和跟蹤算法研究[D];云南大學(xué);2012年

2 江琦;人臉檢測識別與跟蹤技術(shù)中關(guān)鍵問題的研究[D];吉林大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 董欣;車牌精確定位算法探究[D];浙江大學(xué);2017年

2 陳丹丹;基于Camshift的運動目標(biāo)跟蹤算法研究[D];哈爾濱工業(yè)大學(xué);2017年

3 彭浩宇;基于OpenCV的視頻序列中運動車輛的檢測與跟蹤[D];西北師范大學(xué);2016年

4 張鐵明;基于MeanShift的視頻目標(biāo)跟蹤算法研究[D];燕山大學(xué);2016年

5 陳杏源;融合Camshift和粒子濾波算法的云臺目標(biāo)跟蹤系統(tǒng)設(shè)計[D];華南理工大學(xué);2016年

6 劉鐘遠(yuǎn);復(fù)雜環(huán)境下運動目標(biāo)檢測和跟蹤技術(shù)研究[D];電子科技大學(xué);2016年

7 高秀秀;車輛的實時檢測與跟蹤技術(shù)的研究[D];電子科技大學(xué);2014年

8 任超;基于Adaboost算法的人臉檢測系統(tǒng)的DSP實現(xiàn)[D];哈爾濱工程大學(xué);2014年

9 苗振海;基于機(jī)器視覺的FPC檢測對位系統(tǒng)關(guān)鍵技術(shù)研究與開發(fā)[D];機(jī)械科學(xué)研究總院;2013年

10 董坤;視頻監(jiān)控中運動人體檢測與異常行為分析研究[D];南京郵電大學(xué);2013年

本文編號：2737748