背景差分法目標跟蹤連續(xù)自適應(yīng)均值偏移(Camshift)局部

1、視頻中運動目標檢測與跟蹤算法的研究【摘要】 視頻中運動目標的檢測與跟蹤技術(shù)是計算機視覺的重要研究內(nèi)容之一,它將圖像處理、模式識別、自動控制、人工智能等許多計算機領(lǐng)域的先進技術(shù)結(jié)合在一起,并廣泛應(yīng)用于智能監(jiān)控、交通管制、機器智能、醫(yī)療診斷等各個領(lǐng)域。隨著各種復(fù)雜環(huán)境應(yīng)用需求的日益增多,如何提高運動目標檢測與跟蹤算法的魯棒性和精確度已經(jīng)成為當前目標跟蹤領(lǐng)域研究的重點。本文在研究了常用的運動目標檢測與跟蹤算法的基礎(chǔ)上,對這些算法做了進一步的改進和完善。在運動目標檢測方面,介紹了光流法、幀間差分法和背景差分法的基本原理。為了克服傳統(tǒng)的背景差分法需要預(yù)先存儲背景圖像的局限性,研究了一種結(jié)合幀間差分法和背

2、景差分法的運動目標檢測方法。首先利用幀間差分法和中值濾波法動態(tài)地構(gòu)建背景模型,再通過背景差分法檢測出前景目標。實驗結(jié)果表明,該方法在場景中存在運動目標時也能建立較為準確的背景模型,獲得了較好的檢測結(jié)果。在運動目標跟蹤方面,本文首先重點研究了基于Camshift算法的運動目標跟蹤。詳細闡述了Mean Shift與Camshift算法的基本原理,并將這兩種算法應(yīng)用于視頻序列中的人體跟蹤。通過實驗發(fā)現(xiàn),當跟蹤目標與背景顏色相近時,Camshift.更多還原【Abstract】 Moving object detection and tracking technology in video seque

3、nces is one of the important research topics in computer vision. It combines image processing, pattern recognition, automatic control, artificial intelligence and many other advanced technologies in computer field, and has been widely used in intelligent monitoring, traffic control, machine intellig

4、ence, medical diagnosis and other fields. With application requirements in complex environment increasing day by day, how to improve the r.更多還原 【關(guān)鍵詞】 背景差分法； 目標跟蹤； 連續(xù)自適應(yīng)均值偏移(Camshift)； 局部二值模式(LBP)； 卡爾曼濾波器； 【Key words】 background subtraction； target tracking； Camshift； Local Binary Pattern； Kalman fil

5、ter； 【索購論文全文】138113721 139938848 即付即發(fā)目錄摘要 3-4 Abstract 4-5 目錄 6-8 第一章 緒論 8-14 1.1 本課題的研究背景和意義 8-9 1.2 運動目標檢測與跟蹤技術(shù)的研究現(xiàn)狀 9-12 1.3 本文的主要工作與組織安排 12-14 本文的主要工作 12 本文的組織安排 12-14 第二章 視頻運動目標檢測 14-31 2.1 運動目標檢測的常用方法 14-20 光流法 14-16 幀間差分法 16-17 背景差分法 17-20 2.2 結(jié)合幀間差分法和背景差分法的運動目標檢測方法 20-25 2.3 形態(tài)學(xué)圖像處理 25-27 膨脹

6、和腐蝕 25-26 開運算和閉運算 26-27 2.4 連通性分析及運動目標的位置確定 27-30 2.5 本章小結(jié) 30-31 第三章 Camshift目標跟蹤算法 31-53 3.1 基于Camshift算法的目標跟蹤 31-44 顏色模型簡介 31-34 顏色概率分布圖 34-36 均值偏移算法(Mean Shift) 36-41 連續(xù)自適應(yīng)均值偏移算法(Camshift) 41-42 實驗結(jié)果與分析 42-44 3.2 改進的Camshift算法 44-52 LBP紋理 44-47 基于顏色-紋理聯(lián)合特征的Camshift算法 47-49 實驗結(jié)果與分析 49-52 3.3 本章小結(jié) 52-53 第四章 卡爾曼濾波跟蹤算法 53-66 4.1 卡爾曼濾波器原理 53-59 離散狀態(tài)方程 54-55 離散觀測方程 55-56 卡爾曼濾波的方法和公式 56-59 4.2 基于卡爾曼濾波的目標跟蹤 59-61 卡爾曼跟蹤模型 59-60 實驗結(jié)果與分析 60-61 4.3 卡爾曼濾波算法與Ca