基于视频的运动检测和跟踪技术研究

发布时间：2021-12-28 12:28

　　智能视频监控是利用计算机视觉和数字图像处理的技术,对视频序列进行自动分析,实现对场景中的运动目标的检测、跟踪和识别。尽管近些年来视频监控技术取得了长足的发展,但仍面临着诸多困难和挑战。而运动目标检测和跟踪技术作为重点,得到了国内外的许多学者的研究,也取得了丰硕的成果。在这些基础上,本文主要研究ViBe检测算法和核相关滤波跟踪算法,并做出了相应改进。在运动目标检测方面,针对ViBe单帧初始化引入ghost现象的缺陷,提出了基于扩大邻域和加快更新速率的初始化背景模型。考虑到运动区域才是受关注的区域,提出了基于运动区域划分的ViBe改进算法,给予运动区域内外不同的灵敏度判决指标和更新策略。再考虑到现实图像中像素的空间分布往往具有连续性,提出了融入纹理等信息的ViBe改进算法,用纹理、颜色等信息来提高检测的准确性。在运动目标跟踪方面,介绍了经典跟踪算法和核相关滤波跟踪器的原理,针对KCF跟踪器特征提取单一的不足,提出了加入颜色空间信息的KCF改进算法,提高了跟踪的准确性。在运动检测和跟踪闭环系统层面上,将ViBe检测算法和KCF跟踪算法进行融合,两者相互修正。跟踪提供运动区域给检测区分不同灵敏... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：94 页

【学位级别】：硕士

【部分图文】：

图２．１?ｂｉｋｅ视频初始帧某像素点样本选取邻域扩大前后对比示意图??＊

ghost(兔影)现象

取ｂｉｋｅ视频的第５０巾贞和ｐｅｄｅｓｔｒｉａｎｓ视频的第３１９巾贞作为视频的初始位置，??来模拟初始帧中有运动物体的情况。取初始帧之后的某一帧为当前帧，得到的前??景中有ｇｈｏｓｔ现象，如图２．２所示。??ｂｉｋｅ视频初始帧?当前帧?当前帧前漀??ｐｅｄｅｓｔｒｉａｎｓ视频初始顿?当前顿?当前Ｉ？前景??图２．２?ｇｈｏｓｔ?（鬼影）现象??为此，本节提出构造一个背景模型初始化阶段，在前Ｎ帧内加快更新速率，??即有运动物体移开后迅速更新背景模型，得到稳定的准确的背景样本。??综合考虑，我们取Ｎ为２５，把前２５帧的更新速率从１／１６调整成１／４，同时??每次随机更新样本值里的２个，同时也更新相邻点样本值中的２个。即加快背景??初始化阶段的更新速率和背景扩散速率。??如果更新速率过慢，背景模型向外扩散速度过慢，则ｇｈｏｓｔ区域的背景模型??１４??

【参考文献】：
期刊论文
[1]EVibe:一种改进的Vibe运动目标检测算法[J]. 余烨,曹明伟,岳峰.  仪器仪表学报. 2014(04)
[2]基于多特征融合的粒子滤波自适应目标跟踪算法[J]. 杨欣,刘加,周鹏宇,周大可.  吉林大学学报(工学版). 2015(02)
[3]基于视频序列的运动目标追踪算法[J]. 李扬.  电子科技. 2012(08)
[4]基于ViBe的车流量统计算法[J]. 蒋建国,王涛,齐美彬,安红新.  电子测量与仪器学报. 2012(06)
[5]数字图像噪声估计的方法及数学模型[J]. 张旭升,周桃庚,沙定国.  光学技术. 2005(05)
[6]基于三维模型的交通场景视觉监控(英文)[J]. 楼建光,柳崎峰,谭铁牛,胡卫明.  自动化学报. 2003(03)

博士论文
[1]复杂场景下实时目标跟踪算法及实现技术研究[D]. 张雷.中国科学院研究生院(长春光学精密机械与物理研究所) 2016
[2]基于多特征融合的路面破损图像自动识别技术研究[D]. 徐志刚.长安大学 2012
[3]智能视频监控中的运动目标检测和跟踪算法研究[D]. 袁国武.云南大学 2012

硕士论文
[1]面向实时智能监控的背景建模算法研究与系统设计[D]. 汪东旭.浙江大学 2016
[2]基于相关滤波器的目标跟踪技术[D]. 董艳梅.北京理工大学 2015
[3]基于视频的运动目标检测和跟踪技术[D]. 杨阳.浙江大学 2014
[4]基于混合高斯模型的运动检测及阴影消除算法研究[D]. 李鸿.中国民航大学 2013
[5]基于视频的实时运动目标检测与跟踪系统研究[D]. 李月静.西华大学 2012
[6]基于改进的混合高斯模型的运动目标检测算法[D]. 张宗彬.哈尔滨工程大学 2010
[7]视频监控系统中运动检测与跟踪技术的研究[D]. 朱碧婷.上海交通大学 2009



本文编号：3554059