基于局部特征分析的运动目标检测和跟踪算法研究

论文摘要

随着科技的发展和信息技术的进步,运动目标检测和跟踪作为智能视频监控的基础和核心在计算机视觉领域里成为了人们研究的热点问题之一,它的效果好坏,直接影响着整个系统工作的开展。然而,由于背景的复杂性、自然环境的影响及其它外界物体的干扰,对感兴趣的运动目标进行检测和跟踪提出了严峻的挑战。本文在学习和训练经典的运动目标检测和跟踪算法的基础上,主要完成以下几个方面的工作：(1)对现有经典运动目标检测算法进行了学习、分类和总结,重点阐述了背景减除算法的思想,并对这些经典算法进行了实验,分析了他们各自存在的优点和缺点。(2)针对混合高斯模型算法在处理阴影、光照和噪声方面的不足之处,本文在借鉴其思想的基础上,提出了一种基于局部特征分析的运动目标检测算法,该算法使用纹理的特征对视频图像进行背景建模,采用扩展的统一模式直方图来表示纹理的特征,并采用直方图的相关匹配和更新机制实现对运动目标的实时检测。将本文的实验结果与传统的帧间差分法和混合高斯模型进行了比较分析,结果表明该算法在处理光照和噪声及阴影方面取得了较好的效果。(3)在实现了前景运动目标检测之后,本文提出了一种将卡尔曼滤波器和纹理模型相结合的运动目标跟踪算法,该算法首先将检测到的前景连通区域进行矩形标注并计算其纹理直方图,然后使用卡尔曼滤波器对运动目标的状态信息进行预测和更新校正,并采用纹理直方图进行匹配和更新搜索相关目标,实现了运动目标的跟踪。通过实验和分析,表明该算法在处理线性的、高斯分布的过程时能进行很好地实时跟踪,而且能克服一定的光照变化。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 引言
• 1.2 运动目标检测与跟踪研究现状
• 1.2.1 运动目标检测
• 1.2.2 运动目标跟踪
• 1.3 论文主要研究内容
• 1.4 论文结构安排
• 第二章 运动目标检测相关算法概述
• 2.1 运动目标检测方法简介
• 2.1.1 帧间差分法
• 2.1.2 光流法
• 2.1.3 背景减除法
• 2.2 经典的背景减除算法
• 2.2.1 基于计算背景像素值的方法
• 2.2.2 基于统计模型的方法
• 2.3 本章小结
• 第三章 基于局部特征分析的运动目标检测
• 3.1 引言
• 3.2 纹理描述
• 3.3 纹理的表示及应用
• 3.3.1 LBP简介
• 3.3.2 旋转不变的LBP纹理
• 3.3.3 LBP纹理的统一模式
• 3.3.4 LBP纹理在人脸识别中的应用
• 3.4 基于LBP纹理的运动目标检测
• 3.4.1 背景建模
• 3.4.2 背景模型更新及匹配
• 3.4.3 前景检测
• 3.5 实验结果及分析
• 3.6 本章小结
• 第四章 基于卡尔曼滤波器和纹理模型的运动目标跟踪
• 4.1 方法描述
• 4.2 卡尔曼滤波器
• 4.3 纹理模型
• 4.4 基于卡尔曼滤波器和纹理模型跟踪算法的实现
• 4.5 实验结果及分析
• 4.6 本章小结
• 第五章 总结
• 参考文献
• 攻读硕士学位期间完成的论文
• 致谢