基于OpenCV的运动船舶跟踪与计数研究

发布时间：2017-07-26 03:06

  本文关键词：基于OpenCV的运动船舶跟踪与计数研究

  更多相关文章： 目标检测融合算法 多特征融合 CamShift 区分度 虚拟检测线

【摘要】：为营造良好的通行环境，减少内河航道污染及事故的发生，达到绿色航运的目的，本文对海事视频监控进行了研究，针对内河航道的特殊环境，通过改进算法与原算法的对比分析来验证改进算法在这种特定环境下的优越性。 在运动目标检测方面，本文首先学习了一种混合高斯模型背景差分法。针对该算法计算量大、背景收敛速度慢以及对于大而慢的运动目标容易出现“空洞”情况的缺陷重点分析了一种目标检测融合算法，提高了目标检测的实时性。最后针对该算法易受光照突变或水流剧烈波动的影响，本文提出了一种改进的目标检测算法，对高斯分布的方差更新设定一个阈值，避免方差陷入一直较小的状态，从而减少目标误判的发生，最后用面积法对提取出的前景进行阈值处理，滤除漂浮物的干扰。改进的算法能更好地适应场景的动态变化。 在运动目标的跟踪方面，，本文首先分析了一种基于颜色信息的CamShift目标跟踪算法。虽然该算法能自适应地调整搜索窗口，对运动目标进行跟踪，但单一的颜色特征并不能准确地描述运动目标，特别当颜色信息受到干扰时，会发生较严重的偏移现象。针对以上不足，重点研究了一种多特征融合的CamShift算法，其利用颜色、纹理和边缘三个特征代替单一的颜色特征来描述目标。针对其各特征的权重系数分配不合理的缺陷提出了一种改进算法，该算法利用各特征的贡献度来分配权重系数，这样可以对运动船舶的描述更加准确，再与改进的目标检测融合算法相结合，实现了对船舶自动、稳定、准确的跟踪。 在运动船舶的流量统计方面，本文首先研究了虚拟检测线法、虚拟线框法和目标链法，在内河航道这种特定的环境下，且出于实时性和准确性的综合考虑，虚拟检测线计数法能较好地统计出运动船舶的船流量。 最后，本文在VC++6.0软件环境下，同时结合计算机开源视觉库函数，对本文涉及到的各个算法进行编程实现，并对实验结果进行了对比分析。在运动船舶的检测方面，改进后的算法有更好的鲁棒性和实时性，能更好地适应场景的动态变化；在运动船舶的跟踪方面，改进后的算法能对运动船舶进行更加准确稳定地跟踪，体现出了更好地鲁棒性；在运动船舶的流量统计方面，虚拟检测线法能较准确地对船舶进行计数，经实验测试，误差在10%以内。
【关键词】：目标检测融合算法 多特征融合 CamShift 区分度 虚拟检测线
【学位授予单位】：武汉理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U698;U675.79
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-14
• 1.1 课题研究的来源9
• 1.2 课题研究的背景及意义9-10
• 1.3 国内外研究现状10-11
• 1.4 本论文的主要工作和论文结构11-14
• 第2章 运动目标检测算法的分析与改进14-24
• 2.1 经典的目标检测算法14-16
• 2.1.1 背景差分法14-15
• 2.1.2 帧间差分法15-16
• 2.1.3 光流法16
• 2.2 混合高斯模型背景差分法16-20
• 2.2.1 混合高斯模型的基本原理17-18
• 2.2.2 混合高斯模型的初始化18
• 2.2.3 混合高斯模型参数的更新18-19
• 2.2.4 背景模型的选取与前景分割19-20
• 2.3 三帧差分与混合高斯模型相融合的算法20-22
• 2.4 基于运动目标检测融合算法的改进22-23
• 2.5 本章小结23-24
• 第3章 运动目标的跟踪与计数研究与改进24-41
• 3.1 Mean Shift 算法的基本思想24-28
• 3.2 CamShift 跟踪算法的研究28-30
• 3.3 多特征自适应融合的 CamShift 算法研究30-34
• 3.3.1 多特征融合31-33
• 3.3.2 CamShift 算法与目标检测相结合33-34
• 3.4 基于多特征融合 CamShift 算法的改进34-36
• 3.5 运动目标的流量统计36-40
• 3.6 本章小结40-41
• 第4章 算法编程实现及仿真结果分析41-56
• 4.1 目标检测算法的实现及结果分析41-46
• 4.1.1 运动目标检测融合算法的实现41-43
• 4.1.2 改进的目标检测融合算法的实现43-46
• 4.2 目标跟踪算法的实现及结果分析46-53
• 4.2.1 跟踪算法在主观视觉角度上的对比47-51
• 4.2.2 CamShift 算法迭代次数的对比51-52
• 4.2.3 CamShift 算法跟踪中心坐标对比52-53
• 4.3 船流量统计的实现53-55
• 4.4 本章小结55-56
• 第5章 总结与展望56-58
• 5.1 全文工作总结56-57
• 5.2 下一步工作展望57-58
• 致谢58-59
• 参考文献59-62

【参考文献】

中国期刊全文数据库 前10条

1 崔文频;沈继忠;;基于改进高斯混合模型的运动物体的图像检测[J];光电工程;2010年04期

2 云霄;肖刚;;基于Camshift的多特征自适应融合船舶跟踪算法[J];光电工程;2011年05期

3 刘艳丽;陈昊;余炎峰;;基于帧间差分法和不变矩特征的运动目标检测与识别[J];工业控制计算机;2008年07期

4 于博;牛铮;王力;王李娟;;抗噪形态学边缘检测新算子[J];信息技术;2012年03期

5 王年;丁业兵;唐俊;鲍文霞;;带宽自适应的Mean Shift目标跟踪算法[J];华南理工大学学报(自然科学版);2011年10期

6 杨冬冬;常丹华;韩夏;刘宇;;运动目标检测与跟踪算法的改进与实现[J];激光与红外;2010年02期

7 李明;赵勋杰;;改进的基于高斯混合模型的运动目标检测算法[J];计算机工程与应用;2011年08期

8 周尚波;胡鹏;柳玉炯;;基于改进Mean-Shift与自适应Kalman滤波的视频目标跟踪[J];计算机应用;2010年06期

9 李巍;赵英凯;钱厚亮;;一种基于纹理和颜色的目标跟踪方法[J];计算机仿真;2011年01期

10 徐璐;胡福乔;;基于混合高斯模型的摄像机移动检测[J];计算机应用与软件;2010年06期

中国博士学位论文全文数据库 前2条

1 涂虬;智能视觉监视中目标检测与跟踪算法研究[D];华中科技大学;2010年

2 方少红;基于关键点的NAM图像特征表示及其相似性分类研究[D];华中科技大学;2011年

本文编号：574436