資源描述：
《復雜場景下的運動目標檢測與跟蹤研究.pdf》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、復雜場景下的運動目標檢測與跟蹤研究王歡2015年6月中圖分類號：TP391UDC分類號：621復雜場景下的運動目標檢測與跟蹤研究作者姓名王歡學院名稱自動化學院指導教師王慶林教授答辯委員會主席朱群雄教授申請學位工學博士學科專業(yè)控制科學與工程學位授予單位北京理工大學論文答辯日期2015年6月12日StudyonMovingObjectDetectionandTrackingunderComplexScenesCandidateName：HuanWangSchoolorDepartment:SchoolofA
2、utomationFacultyMentor:Prof.QinglinWangChair,ThesisCommittee：Prof.QunxiongZhuDegreeApplied:DoctorofPhilosophyMajor：ControlScienceandEngineeringDegreeby:BeijingInstituteofTechnologyTheDateofDefence：12thJune2015研究成果聲明本人鄭重聲明：所提交的學位論文是我本人在指導教師的指導下進行的研究工作獲得的研
3、究成果。盡我所知，文中除特別標注和致謝的地方外，學位論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得北京理工大學或其它教育機構的學位或證書所使用過的材料。與我一同工作的合作者對此研究工作所做的任何貢獻均已在學位論文中作了明確的說明并表示了謝意。特此申明。簽名：日期：北京理工大學博士學位論文摘要基于視頻的運動目標檢測與跟蹤是計算機視覺和模式識別領域的研究熱點，在智能監(jiān)控、人機交互、視覺導航等方面有著重要的應用。但在實際應用場景中，由于受到復雜環(huán)境的干擾以及目標外觀變化等因素的影響，使得運動目標
4、的檢測與跟蹤仍是一項具有挑戰(zhàn)性的課題。為了解決上述問題，本文針對復雜場景下的運動目標檢測與跟蹤技術進行了深入研究，主要工作和創(chuàng)新點如下：（1）針對現(xiàn)有的背景減除法對初始運動目標、動態(tài)背景、光照變化和攝像頭抖動敏感等問題，提出了一種基于時空樣本一致性的運動目標檢測算法。首先，在構建背景模型方面，采用背景樣本點集的方式，將一個時空塊內(nèi)的時域信息與空間鄰域信息相融合；然后，在前景目標分割方面，提出了背景樣本熵的概念，自適應的將圖像分為復雜的動態(tài)區(qū)域（多模態(tài)區(qū)域）和平穩(wěn)的靜態(tài)區(qū)域（單模態(tài)區(qū)），采用動態(tài)閾值的方法
5、對像素進行分類；其次，為了使背景模型可以更好的適應環(huán)境和目標的變化，提出了背景像素級更新和前景目標整體更新相結合的兩級更新模式；最后，為了消除光照的全局變化和局部變化對檢測結果的影響，提出了基于直方圖統(tǒng)計的亮度變換方法。通過與目前其它常用算法在公共數(shù)據(jù)集上定性和定量的對比實驗表明了該算法的優(yōu)越性。（2）針對顏色粒子濾波算法對光照明敏感的問題，提出了一種改進的顏色粒子濾波目標跟蹤算法。該算法從提高特征的描述能力入手，首先對顏色直方圖的加權函數(shù)進行了改進，然后將其與圖像局部熵結合，構建了一種對光照變化魯棒的
6、顏色局部熵目標觀測模型，并且為了讓算法能更好的適應目標自身和環(huán)境的變化，減少模型漂移和全局遮擋對算法的影響，設計了目標模型的自適應更新策略和粒子數(shù)量的動態(tài)調(diào)節(jié)方法。實驗結果表明，相比原有粒子濾波算法，該算法具有更好的魯棒性，能夠在遮擋、光照變化等情況下對目標進行實時有效的跟蹤。（3）針對目標在長時間跟蹤過程中容易出現(xiàn)跟蹤漂移現(xiàn)象和目標丟失后難以重新捕獲等問題，提出了一種基于壓縮感知和目標檢測的在線學習跟蹤算法。該算法將運動目標檢測作為一種監(jiān)督機制與改進的壓縮跟蹤算法相融合，對目標分別進行獨立的檢測和跟蹤
7、，通過構造目標狀態(tài)分析器將檢測器和跟蹤器的結果進行匯總和分析，判斷當前目標的跟蹤狀態(tài)并制定相應的處理策略，同時根據(jù)狀態(tài)分析器的判斷結果，I北京理工大學博士學位論文對跟蹤器進行自適應的更新或修正。通過與目前其它常用算法在公共數(shù)據(jù)集上定性和定量的對比實驗表明了該算法的優(yōu)越性。（4）針對多目標跟蹤系統(tǒng)中的數(shù)據(jù)關聯(lián)和目標合并兩個關鍵問題，提出一種基于多特征融合和粒子濾波的多目標跟蹤算法。首先，在數(shù)據(jù)關聯(lián)方面，該算法提出了基于多特征融合的兩級匹配方法，采用粗細結合的模式，先利用距離信息對目標進行粗匹配，排除不相關
8、目標，再利用顏色特征對目標進行精匹配，保證目標關聯(lián)的準確性；然后，通過構建關聯(lián)矩陣對目標狀態(tài)進行分析推理，當目標發(fā)生合并遮擋時，啟動粒子濾波算法定位出每個目標在前景塊中的具體位置，同時根據(jù)數(shù)據(jù)關聯(lián)結果自適應地更新目標特征；最后，通過實驗驗證了該算法能夠在光照變化以及目標合并、分裂等復雜情況下對多目標進行有效的跟蹤。關鍵詞：運動目標檢測；背景建模；目標跟蹤；粒子濾波；在線學習算法；數(shù)據(jù)關聯(lián)II北京理工大學博士學位論文AbstractMovin
