復(fù)雜場景中視覺運動目標(biāo)檢測的跟蹤

《復(fù)雜場景中視覺運動目標(biāo)檢測的跟蹤》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、ADissertationSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofDoctorofPhilosophyinEngineeringResearchonVisualObjectDetectingandTrackinginComplexEnvironmentPh.D.Candidate:ChenYuanMajor:ComputerArchitectureSupervisor:Prof.YuShengshengHuazhongUniversityofSciencea

2、ndTechnologyWuhan430074,P.R.ChinaAug,2008獨創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除文中已經(jīng)標(biāo)明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻(xiàn)的個人和集體，均已在文中以明確方式標(biāo)明。本人完全意識到，本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：日期：年月日學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，即：學(xué)校有權(quán)保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允

3、許論文被查閱和借閱。本人授權(quán)華中科技大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。保密□，在_____年解密后適用本授權(quán)書。本論文屬于不保密□。（請在以上方框內(nèi)打“√”）學(xué)位論文作者簽名：指導(dǎo)教師簽名：日期：年月日日期：年月日華中科技大學(xué)博士學(xué)位論文摘要計算機視覺的研究目的是使用計算機代替人眼及大腦根據(jù)感測到的圖像對實際物體和場景做出有意義的判定。運動目標(biāo)檢測和跟蹤是計算機視覺、模式識別、視頻編碼、基于內(nèi)容的檢索、智能視頻監(jiān)控等研究領(lǐng)域的重點與難點，在科學(xué)研究和工程應(yīng)

4、用上有十分誘人的前景。動態(tài)變化場景的監(jiān)控是近年來非常受關(guān)注的前沿研究方向。對現(xiàn)實復(fù)雜場景中運動目標(biāo)的檢測和跟蹤是智能視頻監(jiān)控中的關(guān)鍵技術(shù)，其結(jié)果直接影響到隨后的行為理解和對監(jiān)控事件的處理。在結(jié)合數(shù)字視頻圖像處理、統(tǒng)計計算、動態(tài)系統(tǒng)分析等相關(guān)理論的基礎(chǔ)上，重點研究了復(fù)雜場景中視覺運動目標(biāo)檢測和跟蹤的方法。主要研究工作與創(chuàng)新點如下：提出了一種在HSV色彩空間中運用混合高斯模型背景消除法對色調(diào)和亮度分量聯(lián)合判決的運動目標(biāo)檢測新方法。在HSV色彩空間為動態(tài)背景建立多個高斯模型，設(shè)定優(yōu)先級進(jìn)行排序，將最有可能的背景模型排在最前面，并且動態(tài)地更新模

5、型參數(shù)以適應(yīng)環(huán)境變化，然后使用色調(diào)和亮度分量聯(lián)合判決的方法檢測運動前景目標(biāo)。實驗結(jié)果表明該方法能有效地解決場景中樹木的搖晃，水面波光的反射，以及雨雪等干擾給目標(biāo)檢測帶來的困難，能準(zhǔn)確地檢測運動的目標(biāo)。提出了在HSV色彩空間中通過對飽和度、亮度的閾值限定和色調(diào)的對比三要素均衡判定的運動目標(biāo)陰影消除方法。將檢測區(qū)域各點的像素值同背景中該處的像素值相比較，如果其飽和度和亮度都在一定的閾值之下，則該點有可能是陰影。然后再比較色調(diào)分量，利用陰影區(qū)域與背景區(qū)域色調(diào)不變的特性，如果該點色調(diào)值與背景區(qū)域相同位置點的色調(diào)值很接近，則可以判定該點是陰影而不

6、是運動目標(biāo)。提出了一種將均值漂移算法與卡爾曼濾波相結(jié)合的跟蹤遮擋和未遮擋運動目標(biāo)的新方法。當(dāng)目標(biāo)未被遮擋時，以卡爾曼濾波預(yù)測結(jié)果為起點進(jìn)行均值漂移迭代，準(zhǔn)確跟蹤運動目標(biāo)的位置，同時也減少均值漂移算法的迭代次數(shù)，加快了跟蹤處理過程的速度。發(fā)現(xiàn)目標(biāo)被遮擋時，以卡爾曼濾波預(yù)測結(jié)果作為運動目標(biāo)位置的預(yù)測，暫時停止均值漂移迭代，克服了均值漂移算法不能解決的遮擋問題，有效地滿足跟蹤的魯棒性和實時性要求。實驗的對比結(jié)果表明了提出的新算法耗時少，魯棒性更I華中科技大學(xué)博士學(xué)位論文強。利用馬爾可夫鏈蒙特卡洛方法結(jié)合均值漂移算法重采樣改進(jìn)了粒子濾波視覺多目

7、標(biāo)跟蹤算法。研究跟蹤多個具有相似外表和復(fù)雜運動的目標(biāo)，將多目標(biāo)的跟蹤作為一個完整的動態(tài)系統(tǒng)，用貝葉斯方法對其建模。引入粒子濾波算法，利用一系列隨機樣本的加權(quán)和表示所需的后驗概率密度，得到狀態(tài)的估計值，并用馬爾可夫鏈蒙特卡洛方法來解決重采樣時粒子的退化問題，用均值漂移算法對粒子進(jìn)行聚類，從而準(zhǔn)確有效地跟蹤多個相似運動目標(biāo)。研究了視覺運動目標(biāo)檢測和跟蹤相關(guān)技術(shù)在智能視頻監(jiān)控系統(tǒng)之中的應(yīng)用。分析了用DSP實現(xiàn)前面提出的運動目標(biāo)檢測和跟蹤智能算法的可行性，提出了一種新的分布式智能視頻監(jiān)控系統(tǒng)的架構(gòu)。在現(xiàn)實場景中進(jìn)行了不同的實際應(yīng)用實驗，驗證了前

8、述運動目標(biāo)檢測和跟蹤算法在實際智能視頻監(jiān)控系統(tǒng)中的正確有效性。關(guān)鍵詞：計算機視覺，目標(biāo)檢測，目標(biāo)跟蹤，混合高斯模型，卡爾曼濾波，均值漂移，粒子濾波，智能視頻監(jiān)控II華中科技大學(xué)博士學(xué)位論文AbstractT