基于机器学习的运动目标识别与跟踪技术研究

发布时间：2017-09-06 16:39

  本文关键词：基于机器学习的运动目标识别与跟踪技术研究

  更多相关文章： 码本算法 三帧差分法 HOG特征 SVM 并行协同化

【摘要】：智能视频监控技术是当今热门研究方向,广泛应用在交通视频监控、航天航空、机器人视觉、医学图像等诸多领域。很多学者对此课题研究已经做出大量的成果,但在实际应用中仍有一些问题有待解决。本文基于运动目标识别和跟踪技术展开研究,目的是实现更有实际应用意义和经济价值的智能视频监控系统。本文的主要目标在于实现复杂背景下抗干扰抗遮挡的特定运动目标自动检测与实时跟踪一体化,首先通过目标检测算法提取运动目标,再用机器学习对目标进行识别,最后利用并行协同工作策略进行实时跟踪。主要包括三个方面的工作:运动目标检测方面,通过比较传统算法,提出一种基于码本算法和三帧差分法相结合的运动目标检测算法,利用码本算法对背景图像进行学习,再利用三帧差分法对视频图像进行目标提取,并采用Log边缘检测和连通域填充得到目标前景,将码本算法得到的目标前景与该前景对象进行逻辑“与”运算,得到前景运动目标。该方法可以完整高效地从复杂背景中提取出运动目标,优化了运动目标检测的可靠性和准确度。运动目标识别方面,采用基于梯度方向直方图特征和支持向量机的行人和车辆分类识别方法。首先采集两类样本集,分别提取两类样本的Hog特征对SVM分类器进行训练,SVM通过对样本的学习找到特征向量样本中的支持向量,建立最优分类超平面。再将上述运动目标检测后得到的感兴趣区域作为测试样本,并提取它的Hog特征输入SVM,得到最终分类结果。运动目标跟踪方面,讨论了几种传统跟踪方法的基本原理,采用检测与跟踪并行协同化工作策略,将检测与跟踪分为两个线程同时进行,在感知节点处进行数据传输,定时检测得到的目标信息传送给跟踪线程进行实时跟踪,定时的检测用来不断校正目标以防遮挡及跟丢情况,最终实现了运动目标自动捕获并实时跟踪一体化。
【关键词】：码本算法 三帧差分法 HOG特征 SVM 并行协同化
【学位授予单位】：中国科学院长春光学精密机械与物理研究所
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP181
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-17
• 1.1 课题研究背景及意义11-12
• 1.2 运动目标检测研究现状12-14
• 1.3 运动目标跟踪研究现状14-15
• 1.4 本文的研究内容和工作安排15-17
• 第2章 基于码本算法和三帧差分的运动目标检测17-31
• 2.1 运动目标的基本检测算法17-22
• 2.1.1 帧间差分法18-19
• 2.1.2 混合高斯背景建模19-20
• 2.1.3 码本算法20-22
• 2.2 融合码本算法和三帧差分法的检测算法22-27
• 2.2.1 三帧差分法23-25
• 2.2.2 边缘检测及连通域填充25-26
• 2.2.3 获取二值图像26-27
• 2.3 数学形态学处理27
• 2.4 实验结果与算法评价27-31
• 第3章 基于HOG特征和SVM分类的目标识别31-47
• 3.1 支持向量机介绍31-35
• 3.1.1 支持向量机基本原理31-34
• 3.1.2 支持向量机核函数34-35
• 3.1.3 支持向量机的特点35
• 3.2 基于HOG特征和SVM的对象分类识别35-42
• 3.2.1 正、负样本制作36-38
• 3.2.2 HOG特征提取38-41
• 3.2.3 实现车辆与行人的分类识别41-42
• 3.3 实验结果与分析42-47
• 第4章 检测与跟踪并行工作策略47-63
• 4.1 运动目标跟踪算法47-57
• 4.1.1 卡尔曼滤波跟踪算法47-49
• 4.1.2 Mean shift目标跟踪算法49-53
• 4.1.3 粒子滤波目标跟踪算法53-55
• 4.1.4 跟踪算法实验结果比较55-57
• 4.2 运动目标检测与跟踪并行协同化57-59
• 4.3 实验结果与分析59-63
• 第5章 总结与展望63-65
• 5.1 论文工作总结63-64
• 5.2 未来工作展望64-65
• 参考文献65-71
• 在学期间学术成果情况71-73
• 指导教师及作者简介73-75
• 致谢75

【参考文献】

中国期刊全文数据库 前10条

1 武瑛;;形态学图像处理的应用[J];计算机与现代化;2013年05期

2 程如中;赵勇;王执中;许家尧;王新安;;实时行人检测预警系统[J];交通运输工程学报;2012年05期

3 解文华;肖进胜;易本顺;张亚琪;李明;;一种基于Mean Shift和C-V模型的车辆跟踪算法[J];湖南大学学报(自然科学版);2012年07期

4 张文;李榕;朱建武;;基于混合高斯模型与三帧差分的目标检测算法[J];现代电子技术;2012年08期

5 溪海燕;肖志涛;张芳;;基于线性SVM的车辆前方行人检测方法[J];天津工业大学学报;2012年01期

6 郭春生;王盼;;一种基于码本模型的运动目标检测算法[J];中国图象图形学报;2010年07期

7 许宏;;基于图像差分的关键帧检测技术[J];计算机工程与设计;2010年12期

8 康晓晶;吴谨;;基于高斯背景建模的目标检测技术[J];液晶与显示;2010年03期

9 熊亮;刘伟铭;;基于背景Codebook模型的前景检测算法[J];科学技术与工程;2010年09期

10 杨靖宇;张永生;于美娇;纪松;;基于小波变换多分辨率分析特性的遥感影像动态重构的金字塔模型[J];测绘科学;2007年05期

中国博士学位论文全文数据库 前2条

1 解晓萌;复杂背景下运动目标检测和识别关键技术研究[D];华南理工大学;2012年

2 江焯林;基于计算机视觉的人体动作检测和识别方法研究[D];华南理工大学;2010年

中国硕士学位论文全文数据库 前2条

1 孟祥怡;运动目标的跟踪与识别算法研究[D];吉林大学;2014年

2 苏建林;监控视频目标跟踪算法及应用系统实现研究[D];浙江大学;2013年

，

本文编号：804252