發(fā)布時(shí)間：2018-08-25 18:21

【摘要】：在計(jì)算機(jī)視覺(jué)的不斷發(fā)展中,視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤逐漸被人們所重視,逐漸成為其中重要研究方向之一。它涉及到線性代數(shù),隨機(jī)數(shù)學(xué),圖像處理,數(shù)理分析等多門(mén)學(xué)科的相關(guān)內(nèi)容,無(wú)論是在軍工,民用,商用方面,還是在安全防護(hù),交通管理,智能識(shí)別等領(lǐng)域內(nèi),都得到了廣泛的應(yīng)用。已經(jīng)初步實(shí)現(xiàn)了用計(jì)算機(jī)代替人眼,智能分析外界物體的運(yùn)動(dòng),替人們對(duì)收集到的視頻信息作出判斷。本文介紹了研究視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的課題的目的和意義以及該研究國(guó)內(nèi)外主要的現(xiàn)狀。在運(yùn)動(dòng)目標(biāo)檢測(cè)中介紹與分析了背景差分法、幀間差分法、光流法三種常用算法。為了更好地進(jìn)行目標(biāo)檢測(cè)與識(shí)別,需先對(duì)視頻圖像進(jìn)行去噪處理。對(duì)于當(dāng)前常用的多種背景建模方法,本文進(jìn)行橫向與縱向的對(duì)比分析,找出盡可能優(yōu)秀的算法,最終決定采用混合高斯背景建模方法完成目標(biāo)檢測(cè)。在運(yùn)動(dòng)目標(biāo)跟蹤方面,本文采用Meanshift算法進(jìn)行跟蹤。先建立目標(biāo)模型,對(duì)目標(biāo)的特征進(jìn)行提取與分析,選取具有代表性的特征集,在接下來(lái)的每幀圖像中,在以上一幀目標(biāo)位置為中心,一定范圍內(nèi)的與該特征值相似的點(diǎn),計(jì)算其Meanshift向量,向量指向的位置就是與特征最為相似的位置,從而通過(guò)特征位置判斷目標(biāo)所在區(qū)域。所以在Meanshift算法中,特征的提取與相似度判斷尤為重要。針對(duì)傳統(tǒng)meanshift算法中,對(duì)于高速或高變速運(yùn)動(dòng)的目標(biāo)常發(fā)生跟蹤失敗的情況,以及固定的跟蹤窗口大小不適合目標(biāo)在視頻中大小發(fā)生巨大改變的情況。本文采用了在算法中加入自適應(yīng)調(diào)整,引入目標(biāo)整體運(yùn)動(dòng)方向與速度的記錄與預(yù)測(cè),優(yōu)化了傳統(tǒng)meanshift算法對(duì)高速與高變速運(yùn)動(dòng)目標(biāo)的跟蹤的精確度。同時(shí),對(duì)meanshift算法中核函數(shù)進(jìn)行處理,通過(guò)更改核函數(shù)寬度的大小,來(lái)實(shí)時(shí)改變跟蹤窗口的大小,使之更為適應(yīng)目標(biāo)在當(dāng)前視頻圖像中的大小,提高了算法的精確度。
[Abstract]:With the development of computer vision, video moving target detection and tracking have been paid more and more attention and become one of the important research directions. It involves linear algebra, stochastic mathematics, image processing, mathematical analysis, and so on, whether in the military, civil, commercial, safety protection, traffic management, intelligent identification, and so on. Are widely used. It has been preliminarily realized to use computer instead of human eyes to intelligently analyze the motion of external objects and to judge the video information collected. The purpose and significance of the research on video moving target detection and tracking are introduced in this paper. This paper introduces and analyzes three common algorithms for moving target detection: background differential method, inter-frame differential method and optical flow method. In order to detect and recognize the target better, the video image should be de-noised first. For the current common background modeling methods, this paper makes a comparative analysis between horizontal and vertical, finds out the best algorithm, and finally decides to use mixed Gao Si background modeling method to complete target detection. In the aspect of moving target tracking, Meanshift algorithm is used to track. Firstly, the target model is established, the feature of the target is extracted and analyzed, and the representative feature set is selected. In each frame image, the target position of the previous frame is the center, and the point similar to the characteristic value is found in a certain range. The Meanshift vector is calculated, and the vector points to the position that is the most similar to the feature, so that the location of the target is judged by the feature position. So in Meanshift algorithm, feature extraction and similarity judgment are very important. In the traditional meanshift algorithm, the tracking failure often occurs for the high speed or high speed moving target, and the fixed tracking window size is not suitable for the large change of the target size in the video. In this paper, the adaptive adjustment is added to the algorithm, and the recording and prediction of the whole moving direction and velocity of the target are introduced. The accuracy of the traditional meanshift algorithm for tracking the high speed and high variable speed moving targets is optimized. At the same time, the kernel function in the meanshift algorithm is processed. By changing the width of the kernel function, the size of the tracking window can be changed in real time, which makes it more suitable for the size of the target in the current video image and improves the accuracy of the algorithm.
【學(xué)位授予單位】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹雪花;;一種新的運(yùn)動(dòng)目標(biāo)跟蹤方法[J];科技信息;2010年34期

2 方英武;王軼;金偉;王輝;;基于多信息融合的運(yùn)動(dòng)目標(biāo)跟蹤方法[J];光電工程;2011年08期

3 尚晉霞;;運(yùn)動(dòng)目標(biāo)跟蹤研究[J];電腦編程技巧與維護(hù);2013年12期

4 葛寶臻,張以謨,秦玉文,陳希明;自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤實(shí)驗(yàn)[J];光電工程;1998年05期

5 葛寶臻,秦玉文,張以謨,陳希明,王項(xiàng)南;自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)及其性能研究[J];天津大學(xué)學(xué)報(bào);1998年05期

6 李志;謝強(qiáng);;一種基于改進(jìn)粒子濾波的運(yùn)動(dòng)目標(biāo)跟蹤[J];計(jì)算機(jī)科學(xué);2014年02期

7 仝曉龍;竇騰飛;劉艷紅;;運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)綜述[J];科技創(chuàng)新與應(yīng)用;2014年18期

8 查宇飛;畢篤彥;;一種基于粒子濾波的自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤方法[J];電子與信息學(xué)報(bào);2007年01期

9 吳樂(lè);黃東軍;;基于視頻流的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究[J];科技信息(學(xué)術(shù)研究);2008年03期

10 于勇;郭雷;;基于粒子濾波的紅外運(yùn)動(dòng)目標(biāo)跟蹤[J];計(jì)算機(jī)應(yīng)用;2008年06期

相關(guān)會(huì)議論文 前5條

1 查宇飛;張育;畢篤彥;;一種基于粒子濾波的自適應(yīng)運(yùn)動(dòng)目標(biāo)跟蹤方法[A];第十二屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

2 單穎;張菁;郭茂祖;;基于視頻序列的運(yùn)動(dòng)目標(biāo)跟蹤方法[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

3 王景中;劉凱;;基于圖像灰度特征的運(yùn)動(dòng)目標(biāo)跟蹤實(shí)現(xiàn)[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

4 龔偉;史元春;陳孝杰;;基于雙攝像機(jī)的平面運(yùn)動(dòng)目標(biāo)跟蹤[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

5 蘇迎婭;趙清杰;郭偉;王博;;基于視覺(jué)顯著性的突變運(yùn)動(dòng)目標(biāo)跟蹤[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

相關(guān)博士學(xué)位論文 前6條

1 仝小敏;航拍視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法研究[D];西北工業(yè)大學(xué);2015年

2 程帥;復(fù)雜條件下運(yùn)動(dòng)目標(biāo)跟蹤方法的研究[D];長(zhǎng)春理工大學(xué);2016年

3 牛長(zhǎng)鋒;復(fù)雜背景下視頻運(yùn)動(dòng)目標(biāo)跟蹤的研究[D];北京理工大學(xué);2010年

4 文志強(qiáng);基于均值偏移算法的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究[D];中南大學(xué);2008年

5 陳愛(ài)斌;基于視覺(jué)的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];中南大學(xué);2010年

6 王得軍;視頻中運(yùn)動(dòng)目標(biāo)跟蹤的關(guān)鍵算法研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 呂恒利;基于SIFT與粒子濾波結(jié)合的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];昆明理工大學(xué);2015年

2 潘邈;多攝像機(jī)下運(yùn)動(dòng)目標(biāo)跟蹤關(guān)聯(lián)的關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2015年

3 張林;多攝像機(jī)環(huán)境下的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的研究與應(yīng)用[D];電子科技大學(xué);2014年

4 張雨田;雙視場(chǎng)運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)研究[D];華東師范大學(xué);2015年

5 李超;快速運(yùn)動(dòng)目標(biāo)跟蹤測(cè)量技術(shù)研究[D];西安工業(yè)大學(xué);2014年

6 李朝龍;基于視頻圖像序列的運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];電子科技大學(xué);2014年

7 閻梅;眼鏡蛇偵察攻擊系統(tǒng)中運(yùn)動(dòng)目標(biāo)跟蹤方法研究[D];西安電子科技大學(xué);2014年

8 翟明;基于特征匹配與卡爾曼預(yù)測(cè)的多目標(biāo)跟蹤算法研究[D];東北大學(xué);2014年

9 高雅;視頻監(jiān)控中遮擋條件下多運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)研究[D];東北大學(xué);2014年

10 易曉倩;艦載多目視覺(jué)空中運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號(hào)：2203718