基于卡尔曼滤波与模板匹配的目标跟踪研究

论文摘要

在人感知世界的过程中,视觉信息扮演着重要的角色。随着人们安防意识的提高与对生命财产的重视,对视觉信息的处理变得越来越重要。对图像中的运动目标进行检测、跟踪与分析,可以提供大量有用的信息,如军事中对敌对目标的探测与跟踪,可以提高军队的远程打击能力；对智能小区中闯入者(如行窃者等)的检测与跟踪可以提高小区的安全系数；对机场、银行等重要场合进行危险行为检测与识别,可以保护人们的生命财产安全。可见,运动目标跟踪是一个重要的研究课题。本文主要对运动目标跟踪过程中涉及到的目标检测、阴影去除以及运动目标跟踪方法进行了一定的研究,并进行了实验,实验结果表明,本文的研究在目标检测、阴影去除与目标跟踪方面取得了一定的效果。本文的主要工作概括如下：(1)研究了混合高斯模型在运动目标检测方面的应用。针对传统混合高斯模型背景更新速度慢的问题,采用间隔背景更新策略。该方法每隔M帧进行一次背景更新,对检测到的运动像素点不进行更新,对检测到的非运动像素点采用均值更新,降低了算法的复杂度,加快了背景更新速度。实验结果表明,该方法能完整地分割出运动目标。(2)从颜色与纹理属性两方面去除目标阴影。颜色方面,重点研究了一种基于像素点rg/V点值的阴影去除方法；纹理方面,针对基本LBP纹理描述去除目标阴影的问题,重点研究了一种改进的LBP纹理阴影去除方法。通过多组实验表明,本文研究的两种目标阴影去除方法能有效的去除目标阴影。(3)提出两种阴影去除方法进行结合以去除运动目标阴影。针对以上两种阴影去除方法会在目标内部出现小的空洞(伪阴影点),甚至分裂目标图像这一问题,提出对两幅去除阴影后的二值图像进行“或”运算的方法,利用伪阴影点难在两种方法下都当作阴影点去除这一特性,相“或”去除目标内部出现的空洞,并对其进行形态学处理,进一步去除目标内部小的空洞。通过多组实验表明,该方法能有效去除目标阴影,获得比较完整的运动目标二值图像。(4)采用卡尔曼滤波运动预测与模板匹配相结合的目标跟踪方法。在有效去除运动目标阴影后,采用的目标跟踪方法能较好的跟踪运动目标。通过二组跟踪实验表明,本文所用的目标跟踪方法能有效地对目标进行跟踪。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 国内外相关研究概况
• 1.2.1 目标跟踪分类
• 1.2.2 目标跟踪方法
• 1.3 论文主要研究内容
• 1.4 论文组织结构
• 第二章 运动目标检测
• 2.1 图像预处理
• 2.1.1 邻域平均法
• 2.1.2 中值滤波法
• 2.1.3 形态学
• 2.2 运动目标检测方法
• 2.2.1 相邻帧差法
• 2.2.2 背景差法
• 2.2.3 光流法
• 2.3 混合高斯模型法
• 2.3.1 混合高斯背景模型的建立
• 2.3.2 基于混合高斯模型法的背景提取与更新
• 2.3.3 混合高斯背景模型的产生与运动检测
• 2.4 实验结果与分析
• 2.5 本章小结
• 第三章 运动目标阴影去除
• 3.1 运动目标阴影检测方法分类
• 3.2 运动目标阴影去除
• 3.3 基于改进的LBP纹理描述算子的目标阴影去除
• 3.3.1 LBP纹理描述算子
• 3.3.2 改进的LBP纹理描述算子
• 3.3.3 基于改进的LBP纹理描述算子的阴影去除算法描述
• 3.3.4 基于改进的LBP纹理描述算子的目标阴影去除实验
• 3.4 基于色彩特征不变量的运动目标阴影去除
• 3.4.1 rgb颜色恒常性
• 3.4.2 基于像素点rg/V值的目标阴影去除方法
• 3.4.3 基于rg/V颜色空间的目标阴影去除方法实验
• 3.5 本文所用阴影去除方法及实验
• 3.6 本章小结
• 第四章 运动目标跟踪
• 4.1 卡尔曼滤波原理
• 4.2 运动目标特征提取
• 4.2.1 前景二值图像运动目标块提取
• 4.2.2 运动目标块特征提取
• 4.3 基于卡尔曼滤波与特征模板匹配的目标跟踪方法
• 4.3.1 基于卡尔曼滤波的目标块运动状态预测跟踪
• 4.3.2 运动目标块的特征模板匹配准则与更新方法
• 4.3.3 卡尔曼滤波与特征模板匹配相结合的运动目标跟踪.
• 4.4 实验结果与小结
• 4.5 本章小结
• 第五章 论文总结与工作展望
• 5.1 论文总结
• 5.2 工作展望
• 致谢
• 参考文献
• 附录A （攻读学位期间发表论文目录）