复杂场景下视频目标检测及跟踪算法研究

目标检测论文 目标跟踪论文 阴影消除论文 混合高斯模型论文 自适应粒子滤波论文 多特征信息融合论文
论文详情
视频运动目标检测及跟踪是计算机视觉领域的一个重要课题,是进行智能视频分析、视频检索、人机互动等计算机视觉应用领域中核心关键技术,在诸多领域具有广泛的应用前景,其结果将直接对高层视频处理产生影响。然而,视频目标的检测及跟踪往往会由于复杂场景条件和目标运动的随机性而变得非常困难,在理论和应用上仍然存在着许多不完善和尚待解决的问题。例如,在自然条件下,光照变化、动态背景、目标旋转、伸缩、被遮挡、目标运动的复杂性和随机性等因素都会使得目标检测和跟踪变得非常困难。因此,研究复杂场景下的鲁棒的目标检测与跟踪算法在理论和应用方面都具有重要意义。论文以单摄像机视觉,固定监控场景下的运动目标检测和跟踪作为研究内容,对运动目标检测、目标投射阴影消除、建立目标描述以及目标跟踪方法等关键技术进行了研究,论文的主要工作有以下几个方面:(1)针对复杂场景下的运动目标检测问题,论文提出了基于自适应的混合高斯模型背景建模的方法,该方法根据场景中像素颜色变化的情况,自适应改变混合高斯分量数目,混合模型的高斯分量数目反映了像素值变化的复杂程度。论文改进了混合高斯模型参数的学习方法,在每帧视频计算出各个高斯分量的自适应的学习率以加速算法的收敛并保持模型的稳定,与传统的GMM算法相比,论文提出的方法对于复杂场景具有更好的鲁棒性和较快的收敛速度。(2)论文对目标检测和跟踪系统中的阴影检测及抑制问题进行了研究,分析了运动目标投射阴影的光学特性,据此建立相应的阴影模型。在论文中,首先通过自适应混合高斯模型运动检测到运动区域的像素集,然后顺序地依据阴影的亮度、色度、纹理特性,在混合高斯模型检测到的运动区域中,逐次地分割出阴影区域。(3)粒子的退化和贫化是序贯重要性重采样的粒子滤波算法难以避免的问题,大量的退化粒子将严重影响粒子滤波算法的跟踪精度,而为保证跟踪的精度,传统的粒子滤波算法需要大量的样本来描述状态变量的后验概率分布。论文研究了基于智能优化的粒子滤波算法,分别将微粒群算法和蚁群算法嵌入粒子滤波算法框架中,对状态预测后粒子在状态空间中的分布进行优化,驱使粒子向高似然区域移动,两种算法均能够解决粒子的退化和贫化问题。论文还提出了一种基于跟踪精度对动态方程中的噪声方差自适应的粒子滤波跟踪算法。以上提出的方法提高了在复杂环境跟踪算法的准确性和鲁棒性。(4)针对复杂环境下的视频跟踪问题,提出了一种自适应的多信息融合跟踪算法。论文注意到不同的特征对目标具有不同的辨别能力,算法根据不同特征对目标的辨别能力自适应地调节特征信息在融合过程中的权值,以实现多种信息的自适应融合。克服了利用单一信息跟踪容易发生的跟踪不稳定的问题,提高了跟踪算法辨别目标的能力,使得在复杂场景下的跟踪更精确和稳定。
摘要第3-5页
ABSTRACT第5-6页
第1章 绪论第10-23页
    1.1 研究的背景和意义第10-12页
    1.2 国内外研究现状第12-21页
        1.2.1 运动目标检测研究现状第14-16页
        1.2.2 运动目标跟踪研究现状第16-21页
    1.3 论文的主要工作及内容安排第21-23页
第2章 相关理论及研究综述第23-49页
    2.1 引言第23页
    2.2 运动目标检测相关理论第23-28页
        2.2.1 背景建模方法概述第24-25页
        2.2.2 混合高斯模型介绍第25-28页
    2.3 运动目标跟踪第28-43页
        2.3.1 运动目标描述第28-29页
        2.3.2 目标特征选择第29-31页
        2.3.3 贝叶斯滤波原理第31-35页
            2.3.3.1 贝叶斯框架下跟踪方法描述第31-35页
        2.3.4 粒子滤波第35-43页
            2.3.4.1 蒙特卡洛思想第36-37页
            2.3.4.2 重要性采样第37-38页
            2.3.4.3 序列重要性采样第38-40页
            2.3.4.4 粒子退化及重采样第40-42页
            2.3.4.5 粒子滤波算法的基本过程及研究展望第42-43页
    2.4 图像LBP纹理第43-48页
    2.5 小结第48-49页
第3章 基于自适应混合高斯模型的运动目标检测第49-73页
    3.1 引言第49-51页
    3.2 混合模型数据信息选择第51-52页
        3.2.1 纹理信息的描述第51-52页
    3.3 自适应混合高斯模型第52-60页
        3.3.1 自适应高斯分量数的混合高斯模型背景建模第52-53页
        3.3.2 自适应混合高斯模型初始化第53页
        3.3.3 建立背景模型第53-54页
        3.3.4 新观测值得分类第54-55页
        3.3.5 更改混合模型的高斯分布数第55-57页
        3.3.6 自适应的混合模型参数更新第57-60页
    3.4 实验结果与分析第60-72页
    3.5 本章小结第72-73页
第4章 运动目标投射阴影抑制第73-85页
    4.1 引言第73-74页
    4.2 运动目标投射阴影光学模型第74-77页
    4.3 阴影区域的纹理描述第77页
    4.4 阴影消除算法步骤第77-80页
    4.5 实验结果与分析第80-84页
    4.6 本章小结第84-85页
第5章 基于智能优化重采样的自适应粒子滤波目标跟踪第85-110页
    5.1 引言第85-87页
    5.2 基于智能优化的粒子滤波第87-92页
        5.2.1 基于微粒群重采样的粒子滤波算法第87-89页
        5.2.2 基于蚁群重采样的粒子滤波算法第89-92页
    5.3 自适应的粒子滤波目标跟踪第92-98页
    5.4 实验结果及分析第98-109页
    5.5 本章小结第109-110页
第6章 基于自适应多信息融合的粒子滤波鲁棒跟踪算法第110-129页
    6.1 引言第110-111页
    6.2 基于信息融合的粒子滤波第111-116页
        6.2.1 基于颜色特征的目标模型第112-114页
        6.2.2 基于纹理特征的目标模型第114-116页
    6.3 基于辨别能力的特征信息自适应融合第116-120页
    6.4 遮挡处理第120-121页
        6.4.1 遮挡情况发生判断第120页
        6.4.2 遮挡情况处理第120-121页
    6.5 实验结果及分析第121-127页
    6.6 本章小结第127-129页
第7章 总结第129-132页
    7.1 论文研究工作总结第129-130页
    7.2 进一步的工作第130-132页
参考文献第132-147页
致谢第147-148页
在读期间承担的科研项目和发表的学术论文第148-149页
论文购买
论文编号ABS538176,这篇论文共149页
会员购买按0.30元/页下载,共需支付44.7
不是会员,注册会员
会员更优惠充值送钱
直接购买按0.5元/页下载,共需要支付74.5
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656