【摘要】：近年來,隨著計算機(jī)視覺技術(shù)、嵌入式技術(shù)和通信技術(shù)的迅猛發(fā)展,智能視頻監(jiān)控技術(shù)在社會中諸多領(lǐng)域得到了越來越廣泛的應(yīng)用。運(yùn)動目標(biāo)檢測與跟蹤是智能視頻監(jiān)控技術(shù)的核心技術(shù)之一,同時也是實現(xiàn)智能視頻監(jiān)控應(yīng)用的基礎(chǔ),目前正朝向結(jié)合嵌入式技術(shù)和無線通信網(wǎng)絡(luò)技術(shù)不斷進(jìn)步,對它無論是在科學(xué)研究上還是實際應(yīng)用上都具有良好的前景,因而對在嵌入式平臺上進(jìn)行智能視頻監(jiān)控系統(tǒng)的研究與開發(fā)已成為了廣大研究人員的研究熱點(diǎn)。 本文主要針對靜止場景下的運(yùn)動目標(biāo)檢測與跟蹤技術(shù)進(jìn)行深入的研究,并對傳統(tǒng)算法存在的問題設(shè)計出改進(jìn)的運(yùn)動目標(biāo)檢測與跟蹤算法。本文的主要研究工作如下： 在運(yùn)動目標(biāo)檢測方面,首先對目前常用的三種運(yùn)動目標(biāo)檢測方法：光流法、背景差分法和幀間差分法進(jìn)行簡要分析,其中重點(diǎn)討論幀間差分法和背景差分法的優(yōu)缺點(diǎn),之后分別對兩種算法進(jìn)行改進(jìn),并引入邊緣檢測算子,對其的選取進(jìn)行了客觀評價,設(shè)計了一種基于五幀差分和背景邊緣檢測差相結(jié)合的運(yùn)動目標(biāo)檢測算法。最后通過實驗結(jié)果證明,本文算法不僅能夠快速地提取完整、準(zhǔn)確的運(yùn)動目標(biāo)輪廓還可以消除陰影和空洞現(xiàn)象,為后續(xù)的運(yùn)動目標(biāo)跟蹤奠定基礎(chǔ)。 在運(yùn)動目標(biāo)跟蹤方面,首先介紹了不同的運(yùn)動目標(biāo)跟蹤算法,重點(diǎn)研究了傳統(tǒng)均值漂移運(yùn)動跟蹤算法的理論和跟蹤原理,其次針對傳統(tǒng)均值漂移跟蹤算法所存在的兩點(diǎn)不足：跟蹤快速運(yùn)動目標(biāo)和出現(xiàn)嚴(yán)重遮擋時容易造成目標(biāo)丟失等問題,通過確定目標(biāo)形心和監(jiān)測巴氏系數(shù)的變化,設(shè)計了基于卡爾曼濾波和均值漂移跟蹤算法相結(jié)合的運(yùn)動目標(biāo)跟蹤算法來解決上述不足。最后通過實驗證明,該算法跟蹤的準(zhǔn)確性和穩(wěn)定性相對于傳統(tǒng)均值漂移跟蹤算法跟蹤效果有了顯著提高。 在系統(tǒng)功能實現(xiàn)方面,首先在開發(fā)板中進(jìn)行了嵌入式操作系統(tǒng)、計算機(jī)開源視覺庫OpenCV和圖形界面庫Qt的移植,之后對算法實現(xiàn)進(jìn)行了模塊化的軟件設(shè)計,并通過相關(guān)程序的編寫在嵌入式平臺上實現(xiàn)了運(yùn)動目標(biāo)的檢測與跟蹤。 實驗結(jié)果證明,本文中改進(jìn)的運(yùn)動目標(biāo)檢測與跟蹤算法,提高了算法在復(fù)雜環(huán)境下的適應(yīng)能力,可以實現(xiàn)對運(yùn)動目標(biāo)的快速、準(zhǔn)確的檢測和穩(wěn)定的跟蹤,具有廣泛的應(yīng)用前景。
[Abstract]:In recent years, with the rapid development of computer vision technology, embedded technology and communication technology, intelligent video surveillance technology has been more and more widely used in many fields of society. Moving target detection and tracking is one of the core technologies of intelligent video surveillance technology, and it is also the basis of intelligent video surveillance application. At present, moving target detection and tracking is moving towards the integration of embedded technology and wireless communication network technology. The research and development of intelligent video surveillance system based on embedded platform has become a hot topic for many researchers because it has a good prospect in both scientific research and practical application. In this paper, the technology of moving target detection and tracking in static scene is studied deeply, and an improved moving target detection and tracking algorithm is designed for the problems existing in traditional algorithms. The main research work of this paper is as follows: in the aspect of moving target detection, firstly, three commonly used moving target detection methods: optical flow method, background difference method and inter-frame difference method, are briefly analyzed. The advantages and disadvantages of the inter-frame difference method and the background difference method are discussed, and then the two algorithms are improved, and the edge detection operator is introduced to evaluate their selection objectively. A moving target detection algorithm based on five frame difference and background edge detection difference is designed. Finally, the experimental results show that the proposed algorithm can not only quickly extract the complete and accurate contour of moving objects, but also eliminate the shadow and void phenomena, and lay the foundation for the follow-up tracking of moving targets. In the aspect of moving target tracking, different moving target tracking algorithms are introduced, and the theory and principle of the traditional mean drift motion tracking algorithm are studied. Secondly, aiming at the two shortcomings of the traditional mean shift tracking algorithm: tracking fast moving target and losing the target easily when there is serious occlusion, the change of target centroid is determined and the change of pasteurian coefficient is monitored. A moving target tracking algorithm based on Kalman filter and mean drift tracking algorithm is designed to solve the above problems. Finally, it is proved by experiments that the accuracy and stability of the algorithm is significantly improved than that of the traditional mean shift tracking algorithm. In the aspect of system function realization, the embedded operating system, computer open source vision library OpenCV and graphical interface library Qt are transplanted in the development board first, and then the modular software design of the algorithm implementation is carried out. The detection and tracking of moving targets are realized on the embedded platform through the programming of related programs. The experimental results show that the improved algorithm of moving target detection and tracking in this paper improves the adaptability of the algorithm in complex environment, and can achieve fast, accurate detection and stable tracking of moving targets, and has a wide application prospect.
【學(xué)位授予單位】：江西理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TP391.41;TP368.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉明璽;孟放;;運(yùn)動目標(biāo)檢測與跟蹤算法的研究進(jìn)展[J];軟件;2010年12期

2 吳嶸;段文鋒;鐘誠;;視頻監(jiān)視系統(tǒng)中運(yùn)動目標(biāo)檢測的新方法[J];成都信息工程學(xué)院學(xué)報;2008年01期

3 周磊;;基于VC++6.0的自動報警系統(tǒng)的設(shè)計[J];鹽城工學(xué)院學(xué)報(自然科學(xué)版);2005年04期

4 魏娟麗;翟社平;王萬誠;;視頻序列中人體運(yùn)動目標(biāo)的檢測與跟蹤研究[J];計算機(jī)應(yīng)用與軟件;2006年04期

5 申良;李中;;一種視頻序列中運(yùn)動目標(biāo)的檢測與跟蹤方法[J];科技資訊;2010年06期

6 張青苗;李鵬;趙勇;何寶富;孫_g;;一種基于OpenCV實現(xiàn)的運(yùn)動目標(biāo)檢測算法的研究[J];艦船電子工程;2010年07期

7 袁杰,都思丹,高敦堂;基于不變性變換的運(yùn)動目標(biāo)檢測的研究[J];中國圖象圖形學(xué)報;2004年11期

8 孫華燕,李迎春,唐黎明;視頻樁考儀中的圖像處理技術(shù)[J];控制工程;2004年S2期

9 陸建明;陳景波;;交通監(jiān)控系統(tǒng)中運(yùn)動目標(biāo)的檢測與跟蹤[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2006年35期

10 夏偉才;曾致遠(yuǎn);;一種基于卡爾曼濾波的背景更新算法[J];計算機(jī)技術(shù)與發(fā)展;2007年10期

相關(guān)會議論文 前10條

1 趙健;陳斌;曾首義;;基于圖像的彈道實驗中運(yùn)動目標(biāo)檢測定位方法[A];第19屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集（第Ⅲ冊）[C];2010年

2 宋躍;石偉;;基于Nios-Ⅱ的運(yùn)動目標(biāo)檢測的二值圖像處理[A];教育部中南地區(qū)高等學(xué)校電子電氣基礎(chǔ)課教學(xué)研究會第二十屆學(xué)術(shù)年會會議論文集（下冊）[C];2010年

3 肖本賢;陸誠;陳昊;余炎峰;陳榮保;;基于幀間差分法和不變矩特征的運(yùn)動目標(biāo)檢測與識別[A];第二十七屆中國控制會議論文集[C];2008年

4 馮向東;鄭鐵柱;;基于BP神經(jīng)網(wǎng)絡(luò)的復(fù)雜背景下的運(yùn)動目標(biāo)檢測[A];Proceedings of the 2011 Chinese Control and Decision Conference（CCDC）[C];2011年

5 熊衛(wèi)華;向磊;李俊峰;趙新龍;;背景減除與幀間差分相結(jié)合的運(yùn)動目標(biāo)檢測方法[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

6 王蓓蓓;李玉良;胡浩;;基于Matlab的煤礦井下運(yùn)動目標(biāo)檢測的研究[A];煤礦機(jī)電一體化新技術(shù)2011學(xué)術(shù)年會論文集[C];2011年

7 徐瑞;王睿;李怡;崔玉柱;;動態(tài)場景下基于Bayesian分類光流法的運(yùn)動目標(biāo)檢測[A];中國儀器儀表學(xué)會第十三屆青年學(xué)術(shù)會議論文集[C];2011年

8 高飛;蔣建國;安紅新;齊美彬;;一種快速運(yùn)動目標(biāo)檢測算法[A];全國第22屆計算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會議(CACIS·2011)暨全國第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會議論文摘要集[C];2011年

9 高晉軒;黃建軍;喻建平;;基于雙核DSP的視頻目標(biāo)檢測與跟蹤[A];全國第二屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2007年

10 王強(qiáng);劉建麗;;基于OpenCV的運(yùn)動目標(biāo)檢測算法的實現(xiàn)[A];邏輯學(xué)及其應(yīng)用研究——第四屆全國邏輯系統(tǒng)、智能科學(xué)與信息科學(xué)學(xué)術(shù)會議論文集[C];2008年

相關(guān)重要報紙文章 前8條

1 北京中電華大電子設(shè)計有限 責(zé)任公司 侯勁松 張萍 李志梁 劉偉平;版圖驗證的應(yīng)用及發(fā)展[N];計算機(jī)世界;2005年

2 記者 張亮;電腦染色技術(shù)讓黑白電影變彩色[N];科技日報;2005年

3 李世華;第四軍醫(yī)大研制出超寬譜生命探測儀[N];中國企業(yè)報;2008年

4 ;視頻壓縮軟件進(jìn)軍監(jiān)控領(lǐng)域[N];中國財經(jīng)報;2001年

5 王雪飛;超寬譜探測雷達(dá)研究獲突破[N];健康報;2008年

6 會聰;多管齊下 促進(jìn)高清智能監(jiān)控發(fā)展[N];中國建設(shè)報;2010年

7 孟雄暉;解析加密軟件[N];中國計算機(jī)報;2002年

8 通訊員 楊莉;大連海大一課題獲863計劃立項[N];中國水運(yùn)報;2009年

相關(guān)博士學(xué)位論文 前10條

1 李波;視頻序列中運(yùn)動目標(biāo)檢測與跟蹤算法的研究[D];北京交通大學(xué);2012年

2 解曉萌;復(fù)雜背景下運(yùn)動目標(biāo)檢測和識別關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2012年

3 孫志海;視頻運(yùn)動目標(biāo)檢測及減法聚類定位技術(shù)研究[D];浙江大學(xué);2009年

4 蔚婧;合成孔徑雷達(dá)地面運(yùn)動目標(biāo)檢測若干關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2009年

5 文s，

本文編號：2219510