视频监控系统中运动目标检测与跟踪技术的研究

论文摘要

随着网络和多媒体技术的迅速发展,图像信息以其直观、生动的表现形式倍受人们喜爱。相比于静态图像,运动目标的视频图像序列提供了更加丰富的信息。智能视频监控是在不需要人为干预情况下,利用计算机视觉和视频分析的方法对摄像机拍录的图像序列进行自动分析,实现对场景中目标的定位、识别和跟踪,并在此基础上分析和判断目标的行为。目前,运动目标检测和跟踪技术在计算机视觉、智能视频监控、交通管理自动监控、人体检测与跟踪等方面有着极为普遍的应用。本文对固定摄像机采集的视频图像序列进行运动目标检测和跟踪的研究,研究内容分为运动目标检测和运动目标跟踪两个部分。在运动目标检测方面,论文分析和比较了典型的运动目标检测的方法,并指出了各自的优缺点。本文采用帧差法与减背景法相结合的运动目标检测方法,首先采用帧差法建立背景,再采用减背景法检测出运动目标,实现对运动目标的快速检测。在运动目标跟踪方面,重点研究了MeanShift算法的运动目标跟踪。并针对MeanShift算法的不足进行改进。本文结合运动目标检测的结果,实现了目标的自动跟踪。实验结果表明,本文采用的算法具有较好的准确性与实时性。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 引言
• 1.2 课题意义和背景
• 1.3 国内外研究现状
• 1.3.1 视频监控系统发展及现状
• 1.3.2 运动目标检测与跟踪研究现状
• 1.4 视频监控中的难点
• 1.5 本文主要内容和章节安排
• 第二章 运动目标检测
• 2.1 基于运动信息的目标检测算法
• 2.1.1 帧差法
• 2.1.2 减背景法
• 2.1.3 光流法
• 2.2 基于图像分割的运动目标检测方法
• 2.3 基于特征的目标检测算法
• 2.4 运动目标检测的难点
• 2.5 本文运动目标检测算法
• 2.5.1 本文中对目标检测算法的要求
• 2.5.2 运动目标检测算法的选择
• 2.5.3 运动目标检测算法流程
• 2.5.4 实验结果分析
• 2.6 本章小结
• 第三章 运动目标跟踪
• 3.1 主要目标跟踪算法
• 3.2 颜色空间与颜色直方图
• 3.2.1 常用的颜色空间
• 3.2.2 RGB 颜色空间到HSV 颜色空间的转换
• 3.2.3 颜色直方图
• 3.3 基于区域特征匹配的运动目标跟踪算法
• 3.4 MeanShift 跟踪算法
• 3.4.1 MeanShift 算法原理
• 3.4.2 MeanShift 算法实验结果与分析
• 3.4.3 一些MeanShift 的改进算法
• 3.5 运动目标跟踪的难点
• 3.6 本章小结
• 第四章 运动目标检测与跟踪的实现
• 4.1 本实验的硬件平台
• 4.2 本文采用的跟踪算法
• 4.3 实验结果及分析
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献