| 【中文题名】 | 复杂背景下的运动目标检测技术研究 |
| 【英文题名】 | Motion Objects Detection Technology Research Based on Complex Background |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-29 |
| 【中关键词】 | 视频图像序列,复杂背景,运动检测,运动跟踪,Hausdorff距离,VFW技术 |
| 【英关键词】 | video frequency image sequences,complex background,motion detection,motion tracking,Hausdorff distance,VFW technology, |
| 【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】 |
随着计算机硬件和软件技术的发展，计算机视觉技术受到了人们越来越多的关注。尤其在军事、航空航天、计算机辅助设计、智能机器人等邻域，计算机视觉技术得到了广泛的应用。在计算机视觉技术中，基于视频图像序列的视觉技术是最为重要的，因此也成为人们研究的重点和难点。视频序列中运动目标的检测与跟踪，又是基于视频序列的计算机视觉技术的基础和关键。首先，能否将运动目标从视频图像序列中准确地检测出来，是运动估计、目标识别及行为理解等后续处理成功与否的关键。为了实现运动目标的检测，很多学者进行了相关的研究，并提出了大量的运动目标检测算法。本文在前人工作的基础上，为了实现分割阈值的自动选择，提出了一种自适应的运动目标检测算法，实现了运动目标的自动分割。为了充分利用视频图像序列时间上和空间上的相关性，提出了一种综合利用时空信息的运动目标检测算法，并通过实验证明了该算法的有效性和实时性。对复杂背景下的运动目标检测，本文采用了一种基于统计模式识别思想的算法，并利用该算法对光照变化不明显的环境进行检测，并取得了较好的检测结果。其次，在运动检测结果的基础上，本文利用双向Hausdorff距离度量的多分辨率跟踪算法进行运动目标的跟踪，从... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
Summary |
5-7 |
|
缩略语 |
7-8 |
|
第一章 绪论 |
8-17 |
|
1.1 计算机视觉技术 |
8-9 |
|
1.2 计算机视觉的应用领域及面临问题 |
9-11 |
|
1.2.1 计算机视觉技术的应用领域 |
10 |
|
1.2.2 计算机视觉技术面临的问题 |
10-11 |
|
1.3 运动视觉分析 |
11-15 |
|
1.3.1 运动目标的检测 |
12-13 |
|
1.3.2 运动目标的跟踪 |
13-15 |
|
1.4 本文所做的工作 |
15-17 |
|
第二章 基础知识 |
17-27 |
|
2.1 图像处理与分析 |
17-18 |
|
2.2 图像增强 |
18-21 |
|
2.2.1 直方图均衡化 |
18-19 |
|
2.2.2 低通滤波器 |
19-20 |
|
2.2.3 高通滤波器 |
20 |
|
2.2.4 同态滤波器 |
20-21 |
|
2.3 图像形态学处理 |
21-24 |
|
2.3.1 腐蚀运算 |
21-22 |
|
2.3.2 图像膨胀 |
22-23 |
|
2.3.3 图像开运算 |
23-24 |
|
2.3.4 图像闭运算 |
24 |
|
2.4 颜色模型 |
24-27 |
|
2.4.1 RGB模型 |
25-26 |
|
2.4.2 HSV模型 |
26-27 |
|
第三章 运动目标的检测 |
27-43 |
|
3.1 基于帧差法的运动目标检测 |
27-29 |
|
3.2 基于背景差分法的运动目标检测 |
29-33 |
|
3.2.1 平均值法 |
29-30 |
|
3.2.2 基于类别可分性判据的运动目标检测 |
30-31 |
|
3.2.3 基于像素灰度归类的运动目标检测 |
31-33 |
|
3.3 自适应的运动检测算法 |
33-35 |
|
3.4 综合利用时空信息的运动检测算法 |
35-39 |
|
3.5 复杂背景下的运动检测算法 |
39-42 |
|
3.6 本章小结 |
42-43 |
|
第四章 运动目标的跟踪 |
43-57 |
|
4.1 运动特征的提取和描述 |
43-47 |
|
4.1.1 幅度特征 |
43 |
|
4.1.2 直方图特征 |
43-45 |
|
4.1.3 变换系数的特征 |
45-46 |
|
4.1.4 线条和角点的特征 |
46 |
|
4.1.5 灰度边缘特征 |
46 |
|
4.1.6 纹理特征 |
46-47 |
|
4.2 基于Hausdorff距离的运动对象的跟踪 |
47-56 |
|
4.2.1 运动对象跟踪算法概述 |
47-50 |
|
4.2.1.1 形心算法 |
47-48 |
|
4.2.1.2 匹配算法 |
48 |
|
4.2.1.3 基于多尺度图像的主动轮廓线模型 |
48-49 |
|
4.2.1.4 基于小波变换的跟踪算法 |
49-50 |
|
4.2.2 Hausdorff距离度量的跟踪原理 |
50-52 |
|
4.2.3 双向Hausdorff距离度量的多分辨率跟踪算法 |
52-53 |
|
4.2.4 双向Hausdorff距离度量的多分辨率跟踪算法的实现 |
53-56 |
|
4.3 本章小结 |
56-57 |
|
第五章 运动目标检测与跟踪系统的设计与实现 |
57-65 |
|
5.1 Visual C |
57 |
|
5.2 VFW简介 |
57-59 |
|
5.3 系统的设计与实现 |
59-65 |
|
5.3.1 视频获取模块 |
59-61 |
|
5.3.2 运动检测模块 |
61 |
|
5.3.3 运动跟踪模块 |
61-62 |
|
5.3.4 输出模块 |
62-65 |
|
第六章 总结与展望 |
65-69 |
|
6.1 本文所作工作 |
65-66 |
|
6.2 本文总结 |
66-67 |
|
6.3 对未来工作的展望 |
67-69 |
|
致谢 |
69-70 |
|
主要参考文献 |
70-73 |
|
附录 |
73-74 |
|
图版 |
74-77 |
|
| 【DOI】 | LunWen.ID:2.2008.369178 |
