本文關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法的研究及應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：運(yùn)動(dòng)目標(biāo)的檢測和跟蹤是計(jì)算機(jī)視覺領(lǐng)域研究的一個(gè)熱點(diǎn)問題,它的主要任務(wù)是發(fā)現(xiàn)并定位視頻圖像中的目標(biāo),然后進(jìn)行識(shí)別和分析判斷。運(yùn)動(dòng)目標(biāo)檢測和跟蹤的研究目的是使機(jī)器具有人類的視覺感知能力,可以辨識(shí)圖像序列中的運(yùn)動(dòng)目標(biāo),從目標(biāo)中提取重要的數(shù)據(jù)信息進(jìn)行分析和理解,但是圖像在采集過程中通常會(huì)受到各種干擾,比如復(fù)雜的圖像背景或者目標(biāo)本身的運(yùn)動(dòng)引起的遮擋等問題。論文主要針對實(shí)際應(yīng)用中不斷出現(xiàn)的新問題,分別從目標(biāo)檢測和目標(biāo)跟蹤兩個(gè)方面分析,闡述論證現(xiàn)有算法的優(yōu)缺點(diǎn),提出改進(jìn)的方案,并圍繞交通監(jiān)控系統(tǒng)中的具體應(yīng)用展開論述。首先,論文研究基于背景建模的運(yùn)動(dòng)目標(biāo)檢測算法和簡單的非背景建模法。非背景建模法中詳細(xì)的介紹了幀間差分法以及光流法,分析了各自的應(yīng)用場景,實(shí)驗(yàn)論證了算法的有效性和局限性。詳細(xì)介紹了一些經(jīng)典的背景建模算法,相應(yīng)地給出實(shí)驗(yàn)結(jié)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(jìn)方法,闡述了相關(guān)理論并進(jìn)行了實(shí)驗(yàn)論證。其次,論文研究運(yùn)動(dòng)目標(biāo)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(jìn)行實(shí)驗(yàn)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(jìn)行了一定的改進(jìn)。論文還介紹了基于視頻的車輛檢測分類與跟蹤系統(tǒng),進(jìn)一步驗(yàn)證了改進(jìn)算法的優(yōu)越性。系統(tǒng)的開發(fā)可以分為硬件設(shè)計(jì)、圖像預(yù)處理、移動(dòng)車輛檢測、運(yùn)動(dòng)目標(biāo)分類、運(yùn)動(dòng)目標(biāo)跟蹤五個(gè)階段。目標(biāo)分類階段提出一種計(jì)算Haar特征的Adaboost級聯(lián)分類器來實(shí)現(xiàn)車輛識(shí)別的方法。最后根據(jù)實(shí)際應(yīng)用需要,給出系統(tǒng)的測試結(jié)果、數(shù)據(jù)及其分析。
【關(guān)鍵詞】：目標(biāo)檢測 背景建模 目標(biāo)跟蹤 車輛檢測分類
【學(xué)位授予單位】：安徽理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(nèi)外研究現(xiàn)狀13-15
• 1.2.1 運(yùn)動(dòng)目標(biāo)檢測14
• 1.2.2 運(yùn)動(dòng)目標(biāo)跟蹤14-15
• 1.3 技術(shù)難點(diǎn)15-17
• 1.4 本文組織結(jié)構(gòu)17-18
• 2 運(yùn)動(dòng)目標(biāo)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(jié)38-40
• 3 運(yùn)動(dòng)目標(biāo)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(yùn)動(dòng)目標(biāo)跟蹤47-48
• 3.3 Camshift與Kalman濾波相結(jié)合的跟蹤48-51
• 3.4 壓縮跟蹤51-56
• 3.4.1 預(yù)備知識(shí)51-53
• 3.4.2 算法細(xì)節(jié)53-55
• 3.4.3 快速壓縮跟蹤55-56
• 3.5 本章小結(jié)56-58
• 4 車輛檢測分類與跟蹤系統(tǒng)設(shè)計(jì)58-80
• 4.1 系統(tǒng)設(shè)計(jì)58-61
• 4.1.1 視頻采集硬件系統(tǒng)58-59
• 4.1.2 上位機(jī)軟件系統(tǒng)59-61
• 4.2 圖像預(yù)處理61-65
• 4.2.1 視頻圖像空間濾波61-63
• 4.2.2 形態(tài)學(xué)處理63-65
• 4.3 移動(dòng)車輛檢測65-66
• 4.4 運(yùn)動(dòng)目標(biāo)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(biāo)分類測試72-75
• 4.5 運(yùn)動(dòng)目標(biāo)跟蹤75-79
• 4.6 本章小結(jié)79-80
• 5 結(jié)論與展望80-82
• 5.1 總結(jié)80-81
• 5.2 展望81-82
• 參考文獻(xiàn)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(xiàn)】

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(xué)學(xué)報(bào)(理學(xué)版);2015年06期

2 陳炫;顏學(xué)龍;;復(fù)雜環(huán)境下的改進(jìn)Camshift算法研究[J];電子測量技術(shù);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(yùn)動(dòng)目標(biāo)跟蹤算法研究[J];信息與電腦(理論版);2015年17期

4 樂應(yīng)英;仲濤;;適用于遮擋和目標(biāo)尺度變化的改進(jìn)Camshift算法[J];計(jì)算機(jī)與數(shù)字工程;2015年06期

5 劉萬軍;劉大千;費(fèi)博雯;;基于局部模型匹配的目標(biāo)輪廓跟蹤[J];計(jì)算機(jī)工程與應(yīng)用;2015年17期

6 王毅;王創(chuàng)新;盧進(jìn);盛文正;;基于HSV模型和改進(jìn)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(jìn)的Vibe運(yùn)動(dòng)目標(biāo)檢測算法[J];電子設(shè)計(jì)工程;2014年16期

8 仇大偉;劉靜;;復(fù)雜場景下基于特征點(diǎn)匹配的目標(biāo)跟蹤算法[J];山東科學(xué);2014年04期

9 丁磊;宮寧生;;基于改進(jìn)的三幀差分法運(yùn)動(dòng)目標(biāo)檢測[J];電視技術(shù);2013年01期

10 劉威;衛(wèi)立珩;;基于改進(jìn)的碼書模型的運(yùn)動(dòng)目標(biāo)檢測[J];天津理工大學(xué)學(xué)報(bào);2012年06期

中國博士學(xué)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(yīng)用研究[D];華中科技大學(xué);2008年

  本文關(guān)鍵詞：運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法的研究及應(yīng)用，，由筆耕文化傳播整理發(fā)布。

本文編號：280519