| 【中文题名】 | 静态场景下运动目标检测与跟踪算法研究 |
| 【英文题名】 | |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-6 |
| 【中关键词】 | 对称差分,背景差分,相关匹配,Hausdorff距离,优势点拣选法, |
| 【英关键词】 | Symmetrical difference,Background Subtraction,Hausdorff distance,template Correlation matching,selecting preponderant points, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机的应用>信息处理(信息加工)>模式识别与装置 |
| 【论文摘要】 | 运动目标检测与跟踪是计算机视觉的核心课题之一，它融合了图像处理、模式识别、人工智能、自动控制等相关领域的研究成果，在视频监控、机器人导航、视频传输、视频检索、医学图像分析、气象分析等许多领域有着广泛的应用，因此本课题具有重要的理论意义和广阔的实用价值。
针对不同的监视场景，运动目标检测和跟踪算法也不尽相同。本文主要研究了在静态场景下运动目标的检测算法、运动目标的模板相关匹配算法和基于Hausdorff距离的模板匹配跟踪算法。本文的创新点和主要工作如下：
1．研究了运动目标检测算法。针对视频监控系统大多数应用于静态场景这一特点，提出了在运动区域内结合使用对称差分法和背景差分法检测运动目标的算法。该方法首先根据对称差分图像确定运动目标的运动区域，然后在确定的运动区域内对背景差分图像和对称差分图像取“或”运算。实验证明，这种算法减少了背景差分图像中的噪声对运动目标提取结果的影响。
2．研究了基于金字塔的模板相关匹配算法。针对模板相关匹配算法的计算量大，不能满足实时跟踪的缺点，本文采用基于金字塔的模板相关匹配算法。这种匹配算法分为“粗匹配”和“精匹配”两个阶段，在“粗匹... |
| 【论文题纲】 |
|
目录 |
4-6 |
|
摘要 |
6-7 |
|
Abstract |
7-10 |
|
第一章 绪论 |
10-16 |
|
1.1 课题研究的意义 |
10 |
|
1.2 运动目标检测和跟踪的主要方法及研究现状 |
10-14 |
|
1.2.1 运动目标检测方法 |
11-12 |
|
1.2.2 运动目标跟踪方法 |
12-14 |
|
1.3 主要研究内容 |
14-15 |
|
1.4 本文章节安排 |
15-16 |
|
第二章 运动目标检测 |
16-34 |
|
2.1 引言 |
16 |
|
2.2 运动目标检测方法 |
16-20 |
|
2.2.1 帧差法 |
16-18 |
|
2.2.2 背景差分法 |
18-19 |
|
2.2.3 本文方法及创新 |
19-20 |
|
2.3 背景模型更新算法 |
20-24 |
|
2.3.1 混合高斯模型 |
21-22 |
|
2.3.2 学习速率的自适应更新 |
22-24 |
|
2.4 阈值选取方法 |
24-27 |
|
2.4.1 直方图法 |
25-26 |
|
2.4.2 最大类间方差法 |
26-27 |
|
2.5 中值滤波 |
27-28 |
|
2.6 实验步骤和实验结果 |
28-33 |
|
2.6.1 实验步骤 |
28-29 |
|
2.6.2 实验结果 |
29-33 |
|
2.7 小结 |
33-34 |
|
第三章 模板相关匹配算法 |
34-45 |
|
3.1 模板相关匹配算法 |
34-38 |
|
3.1.1 基本原理 |
34-35 |
|
3.1.2 基于归一化互相关的模板相关匹配算法 |
35 |
|
3.1.3 基于最小绝对方差累加和的模板相关匹配算法 |
35-36 |
|
3.1.4 基于金字塔的相关模板匹配算法 |
36-38 |
|
3.2 初始模板的选择 |
38-39 |
|
3.3 模板的自适应更新 |
39-41 |
|
3.3.1 基于跟踪置信度的自适应模板更新算法 |
39-40 |
|
3.3.2 跟踪置信度的计算 |
40-41 |
|
3.4 实验步骤和实验结果 |
41-44 |
|
3.4.1 实验步骤 |
41-42 |
|
3.4.2 实验结果 |
42-44 |
|
3.5 小结 |
44-45 |
|
第四章 基于Hausdorff距离的模板匹配算法 |
45-61 |
|
4.1 引言 |
45 |
|
4.2 基本Hausdorff距离的定义及其改进 |
45-51 |
|
4.2.1 基本Hausdorff距离 |
46-48 |
|
4.2.2 部分Hausdorff距离算法 |
48-49 |
|
4.2.3 平均Hausdorff距离算法 |
49 |
|
4.2.4 优势点拣选法 |
49-51 |
|
4.3 kalman滤波 |
51-55 |
|
4.3.1 随机线性离散系统的数学模型 |
51-52 |
|
4.3.2 随机线性离散系统的Kalman滤波方程 |
52-53 |
|
4.3.3 Kalman滤波的特点 |
53-54 |
|
4.3.4 滤波器参数选取 |
54-55 |
|
4.4 实验步骤和实验结果 |
55-60 |
|
4.4.1 实验步骤 |
56-57 |
|
4.4.2 实验结果 |
57-60 |
|
4.5 小结 |
60-61 |
|
第五章 总结与展望 |
61-63 |
|
5.1 研究回顾与总结 |
61-62 |
|
5.2 工作展望 |
62-63 |
|
参考文献 |
63-68 |
|
致谢 |
68-69 |
|
攻读学位期间发表论文目录 |
69-70 |
|
学位论文评阅及答辩情况表 |
70 |
|
| 【DOI】 | LunWen.ID:2.2008.365109 |
