视频目标跟踪中均值漂移与粒子滤波融合算法的研究
发布时间：2021-06-01 00:30
移动目标检测与跟踪技术作为计算机视觉应用技术的一个重要分支,其目的是实现对监控区域内的移动目标进行实时连续的视频采集与检测,并将这些用户感兴趣的信息存储起来作为分析现场状况的重要依据,以达到主动监控、节省资源、提升监控效率的目的。本文的主要工作总结如下:（1）为了解决目标检测过程中出现的“空洞”与“双影”问题,用三帧差分法改进帧间差分法;采用混合高斯模型选取合适的阈值进行背景建模,使得背景的适度变化不会导致背景模型出现偏差。在两种算法融合过程中,使用三帧差分法对连续三帧图像做差值,得到移动目标模糊的区域图像;接下来对当前帧与背景帧图像做差分运算可获得移动目标的变化量,然后再将三帧差分法的差值与背景差分法的差值做交集运算,从而完整的提取出移动目标的信息,继而得到移动目标精确完整的轮廓。（2）在对移动目标进行跟踪时,均值漂移算法因为其核函数和权重函数要在多维欧式空间中进行设置,设置难度较大,难以保证其合理性,从而易在跟踪时丢失目标;粒子滤波算法中,由于贝叶斯复杂积分难以直接计算,必须使用蒙特卡罗抽样方法通过系统采用大量随机样本去测试,增加了算法复杂度。对这两种算法进行了整合,利用目标的初始...
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
（a）背景图像
第二章基于移动目标的检测算法研究11图2.3（a）背景图像图2.3（b）当前帧图像通过对选取的136帧和197帧使用帧间差分法能得出移动目标如下：图2.3（c）二值化图像图2.3帧间差分二值图从图2.3可看出，相比光流法，帧间差分法受光照影响不大，基本能检测出小轿车轮廓。帧间差分法的优点:1.在监控视频中，相邻两帧中若有目标出现，该算法能立刻通过两帧亮度差值的绝对值与给定阈值作比较，判断是否出现移动目标，可见其运算速度快；2.在现实情况下，该算法适应性强，由于基本不会受到光照的影响，所以有非常高的稳定性。该算法的缺点也很突出:1.若出现移动目标移速缓慢，前后两帧图像在时间上相差短，即两帧之间差不多没有区别，导致将移动目标错误的判定为背景区域，二值化处理后就会和背景融为一体，导致分离不出来前景和背景，这也是常见的“空洞”现象。2.若目标的移动速度过快，且相邻两帧之间的时间间隔又较长，这时会看到移动目标在背景图像中产生一个“拉长”的现象，这就是“双影”现象，如果检测条件比较极端，即视频帧中相邻的两帧几乎完全没有重合，这时就会把一个前景目标检测成两个不同的目标，使人在视觉上产生错误的判断。（3）背景差分法在现实生活中，背景差分法因为复杂度低，计算量小的特点也受到了研究者的青睐。
第二章基于移动目标的检测算法研究11图2.3（a）背景图像图2.3（b）当前帧图像通过对选取的136帧和197帧使用帧间差分法能得出移动目标如下：图2.3（c）二值化图像图2.3帧间差分二值图从图2.3可看出，相比光流法，帧间差分法受光照影响不大，基本能检测出小轿车轮廓。帧间差分法的优点:1.在监控视频中，相邻两帧中若有目标出现，该算法能立刻通过两帧亮度差值的绝对值与给定阈值作比较，判断是否出现移动目标，可见其运算速度快；2.在现实情况下，该算法适应性强，由于基本不会受到光照的影响，所以有非常高的稳定性。该算法的缺点也很突出:1.若出现移动目标移速缓慢，前后两帧图像在时间上相差短，即两帧之间差不多没有区别，导致将移动目标错误的判定为背景区域，二值化处理后就会和背景融为一体，导致分离不出来前景和背景，这也是常见的“空洞”现象。2.若目标的移动速度过快，且相邻两帧之间的时间间隔又较长，这时会看到移动目标在背景图像中产生一个“拉长”的现象，这就是“双影”现象，如果检测条件比较极端，即视频帧中相邻的两帧几乎完全没有重合，这时就会把一个前景目标检测成两个不同的目标，使人在视觉上产生错误的判断。（3）背景差分法在现实生活中，背景差分法因为复杂度低，计算量小的特点也受到了研究者的青睐。
【参考文献】：
期刊论文
[1]智能视频监控技术的应用[J]. 汪树胜. 中国高新科技. 2018(24)
[2]基于QT的Linux基准测试GUI的设计与实现[J]. 柳玉巧,李传忠,吴登勇,陈亮甫. 信息技术与信息化. 2017(05)
[3]一种结合帧间差分法与光流法的运动目标检测[J]. 冯训伟. 法制博览. 2017(03)
[4]运动目标跟踪算法综述[J]. 霍玲玲,杨莹. 电子技术与软件工程. 2016(24)
[5]浅析嵌入式Linux操作系统的实时应用中的问题与优化[J]. 袁世军. 低碳世界. 2016(32)
[6]基于嵌入式系统的运动目标跟踪视频监控系统的设计[J]. 于明. 自动化与仪器仪表. 2015(12)
[7]基于Kalman滤波器的运动目标跟踪算法[J]. 谷欣超,刘俊杰,才华,韩太林,杨勇. 长春理工大学学报(自然科学版). 2015(05)
[8]基于Kalman滤波器的视频运动目标跟踪算法研究[J]. 仲跃,杨劲,顾京,张俊,汪超. 信息与电脑(理论版). 2015(17)
[9]基于Qt/E的嵌入式Linux GUI研究与实现[J]. 周开,倪伟. 淮阴工学院学报. 2015(03)
[10]YUV空间下基于码本模型的视频运动目标检测方法[J]. 王雯,陈丽,李晨,赵宇,代荡荡,王先培. 武汉大学学报(工学版). 2015(03)
博士论文
[1]智能视频监控中的运动目标检测与跟踪技术研究[D]. 屈鉴铭.西安电子科技大学 2015
[2]智能视频监控中运动目标检测的算法研究[D]. 郭玲.华南理工大学 2013
硕士论文
[1]人脸识别中人脸检测和特征提取算法的研究[D]. 刘胜昔.南京邮电大学 2018
[2]基于视频监控的目标检测与跟踪算法研究[D]. 姜丹.西安理工大学 2018
[3]基于Mean Shift的运动目标跟踪方法研究[D]. 石雪楠.东北电力大学 2018
[4]基于背景建模的运动目标检测算法研究[D]. 张维新.南京信息工程大学 2017
[5]智能视频监控系统中运动目标检测与跟踪的研究与实现[D]. 程伟.江苏科技大学 2016
[6]基于ARM的嵌入式视频监控系统设计[D]. 何群山.安徽理工大学 2016
[7]基于OpenCV的目标检测与跟踪算法的研究与实现[D]. 岳兵.安徽大学 2016
[8]基于嵌入式Linux的远程视频监控系统[D]. 王哲梁.杭州电子科技大学 2014
[9]基于OpenCV的运动目标检测与跟踪算法的研究[D]. 王艳红.杭州电子科技大学 2014
[10]基于粒子滤波的目标跟踪算法研究[D]. 范戈.华南理工大学 2013
本文编号：3209288
【文章来源】：长安大学陕西省 211工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
（a）背景图像
第二章基于移动目标的检测算法研究11图2.3（a）背景图像图2.3（b）当前帧图像通过对选取的136帧和197帧使用帧间差分法能得出移动目标如下：图2.3（c）二值化图像图2.3帧间差分二值图从图2.3可看出，相比光流法，帧间差分法受光照影响不大，基本能检测出小轿车轮廓。帧间差分法的优点:1.在监控视频中，相邻两帧中若有目标出现，该算法能立刻通过两帧亮度差值的绝对值与给定阈值作比较，判断是否出现移动目标，可见其运算速度快；2.在现实情况下，该算法适应性强，由于基本不会受到光照的影响，所以有非常高的稳定性。该算法的缺点也很突出:1.若出现移动目标移速缓慢，前后两帧图像在时间上相差短，即两帧之间差不多没有区别，导致将移动目标错误的判定为背景区域，二值化处理后就会和背景融为一体，导致分离不出来前景和背景，这也是常见的“空洞”现象。2.若目标的移动速度过快，且相邻两帧之间的时间间隔又较长，这时会看到移动目标在背景图像中产生一个“拉长”的现象，这就是“双影”现象，如果检测条件比较极端，即视频帧中相邻的两帧几乎完全没有重合，这时就会把一个前景目标检测成两个不同的目标，使人在视觉上产生错误的判断。（3）背景差分法在现实生活中，背景差分法因为复杂度低，计算量小的特点也受到了研究者的青睐。
第二章基于移动目标的检测算法研究11图2.3（a）背景图像图2.3（b）当前帧图像通过对选取的136帧和197帧使用帧间差分法能得出移动目标如下：图2.3（c）二值化图像图2.3帧间差分二值图从图2.3可看出，相比光流法，帧间差分法受光照影响不大，基本能检测出小轿车轮廓。帧间差分法的优点:1.在监控视频中，相邻两帧中若有目标出现，该算法能立刻通过两帧亮度差值的绝对值与给定阈值作比较，判断是否出现移动目标，可见其运算速度快；2.在现实情况下，该算法适应性强，由于基本不会受到光照的影响，所以有非常高的稳定性。该算法的缺点也很突出:1.若出现移动目标移速缓慢，前后两帧图像在时间上相差短，即两帧之间差不多没有区别，导致将移动目标错误的判定为背景区域，二值化处理后就会和背景融为一体，导致分离不出来前景和背景，这也是常见的“空洞”现象。2.若目标的移动速度过快，且相邻两帧之间的时间间隔又较长，这时会看到移动目标在背景图像中产生一个“拉长”的现象，这就是“双影”现象，如果检测条件比较极端，即视频帧中相邻的两帧几乎完全没有重合，这时就会把一个前景目标检测成两个不同的目标，使人在视觉上产生错误的判断。（3）背景差分法在现实生活中，背景差分法因为复杂度低，计算量小的特点也受到了研究者的青睐。
【参考文献】：
期刊论文
[1]智能视频监控技术的应用[J]. 汪树胜. 中国高新科技. 2018(24)
[2]基于QT的Linux基准测试GUI的设计与实现[J]. 柳玉巧,李传忠,吴登勇,陈亮甫. 信息技术与信息化. 2017(05)
[3]一种结合帧间差分法与光流法的运动目标检测[J]. 冯训伟. 法制博览. 2017(03)
[4]运动目标跟踪算法综述[J]. 霍玲玲,杨莹. 电子技术与软件工程. 2016(24)
[5]浅析嵌入式Linux操作系统的实时应用中的问题与优化[J]. 袁世军. 低碳世界. 2016(32)
[6]基于嵌入式系统的运动目标跟踪视频监控系统的设计[J]. 于明. 自动化与仪器仪表. 2015(12)
[7]基于Kalman滤波器的运动目标跟踪算法[J]. 谷欣超,刘俊杰,才华,韩太林,杨勇. 长春理工大学学报(自然科学版). 2015(05)
[8]基于Kalman滤波器的视频运动目标跟踪算法研究[J]. 仲跃,杨劲,顾京,张俊,汪超. 信息与电脑(理论版). 2015(17)
[9]基于Qt/E的嵌入式Linux GUI研究与实现[J]. 周开,倪伟. 淮阴工学院学报. 2015(03)
[10]YUV空间下基于码本模型的视频运动目标检测方法[J]. 王雯,陈丽,李晨,赵宇,代荡荡,王先培. 武汉大学学报(工学版). 2015(03)
博士论文
[1]智能视频监控中的运动目标检测与跟踪技术研究[D]. 屈鉴铭.西安电子科技大学 2015
[2]智能视频监控中运动目标检测的算法研究[D]. 郭玲.华南理工大学 2013
硕士论文
[1]人脸识别中人脸检测和特征提取算法的研究[D]. 刘胜昔.南京邮电大学 2018
[2]基于视频监控的目标检测与跟踪算法研究[D]. 姜丹.西安理工大学 2018
[3]基于Mean Shift的运动目标跟踪方法研究[D]. 石雪楠.东北电力大学 2018
[4]基于背景建模的运动目标检测算法研究[D]. 张维新.南京信息工程大学 2017
[5]智能视频监控系统中运动目标检测与跟踪的研究与实现[D]. 程伟.江苏科技大学 2016
[6]基于ARM的嵌入式视频监控系统设计[D]. 何群山.安徽理工大学 2016
[7]基于OpenCV的目标检测与跟踪算法的研究与实现[D]. 岳兵.安徽大学 2016
[8]基于嵌入式Linux的远程视频监控系统[D]. 王哲梁.杭州电子科技大学 2014
[9]基于OpenCV的运动目标检测与跟踪算法的研究[D]. 王艳红.杭州电子科技大学 2014
[10]基于粒子滤波的目标跟踪算法研究[D]. 范戈.华南理工大学 2013
本文编号：3209288
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3209288.html
最近更新
教材专著
