运动目标检测与跟踪的研究与实现[1]

硕士学位论文论文题目运动目标检测与跟踪的研究与实现作者姓名郑志洵指导教师杨建刚教授学科(专业)计算机应用技术所在学院计算机学院提交日期2006年5月15日I摘要在道路交通管理中，为了获得车辆的运动数据，早期经常采用的是感应线圈等硬件测量的方法。而如果采用摄像头拍摄的道路视频，再用计算机软件处理的方法，则可以极大的增加方便性和灵活性。本文运动目标检测与跟踪研究如何让计算机从视频图像序列中获得物体运动数据。运动目标检测与跟踪分为背景提取、运动点团提取、运动点团位置提取、运动物体跟踪这几个步骤，本文对每一个步骤的各种算法做了实验分析比较研究，并提出了改进算法。在背景提取步骤提出了改进的基于均值的背景提取算法以及减少图像像素的兴趣区提取算法。在运动点团提取的阴影处理步骤提出了改进的基于RGB空间的阴影处理算法。在运动点团位置提取步骤提出了改进的线段编码算法。在运动物体跟踪步骤提出了基于预测的运动跟踪算法。实验与分析说明本文提出的算法优于原算法。本文还通过实验分析比较了基于灰度图像序列的运动目标检测与跟踪、基于边缘图像序列的运动目标检测与跟踪，它们都没有基于彩色图像序列的运动目标检测与跟踪效果好。最后，本文得到了一整套运动目标检测与跟踪的方法，它们的健壮性和实时性都符合实际运用的要求。关键词：背景提取、阴影处理、运动目标检测、运动跟踪、彩色图像、灰度图像、彩色边缘检测IIAbstractInatrafficcontrolsystem,inordertoachievethedataofmovingvehicles,hardwareisinstalledtodirectlymeasurethemintheearlydays.Ifweusecomputersoftwaretocalculatethedatafromtrafficvideo,wecangainmoreconvenienceandflexibility.Thisthesisisfocusedontheresearchofthemethodsofachievingthedataofmovingvehiclesfromtrafficvideobycomputer.Movingobjectdetectionandtrackingcanbedividedintothesesteps:backgroundextraction,movingblobextraction,movingblob’spositionachievingandmovingobjecttracking.Thisthesisshowsourexperimentsandanalysisonmanyalgorithmsineachofthesteps.Italsoshowstheimprovementofthealgorithmsmadebyus.Theexperimentsandanalysisdemonstratethattheimprovedalgorithmsarebetterthentheoriginalones.Experimentsandanalysisalsodemonstratethatmovingobjectdetectionandtrackingbasedoncolorimagesisbetterthanbasedonthegrayimagesoredgeimages.Intheendweobtainawholemethodofmovingobjectdetectionandtracking.Therobustnessandreal-timepropertyofthemethodcanreachtheacquirementoftherealapplication.Keywords:BackgroundExtraction,ShadowElimination,MovingObjectDetection,MovingObjectTracking,ColorImage,GrayImage,ColorEdgeDetectorIII目录摘要.............................................................IAbstract..........................................................II目录...........................................................III第一章引言........................................................1第二章运动目标检测和跟踪的流程....................................2第三章背景提取....................................................73.1彩色图像的背景提取..........................................73.1.1基于均值的彩色图像背景提取.............................83.1.2改进的基于均值的彩色图像背景提取.......................93.1.3基于中值滤波的彩色背景图像提取........................113.1.4基于共同区域的彩色图像背景提取........................133.1.5彩色图像背景提取的实验分析............................163.2灰度图像的背景提取.........................................243.2.1彩色图像转换成灰度图像................................243.2.2灰度图像的背景提取....................................253.3边缘图像的背景提取.........................................263.3.1彩色图像的边缘提取....................................273.3.2边缘图像的背景提取....................................28第四章运动点团提取和背景更新.....................................314.1彩色图像的运动点团提取.....................................314.1.1基于马氏距离的运动点团提取............................324.1.2基于欧氏距离的运动点团提取............................354.2阴影处理...................................................384.2.1基于RGB空间的阴影处理................................394.2.2改进的基于RGB空间的阴影处理..........................404.2.3基于HSI空间的阴影处理................................424.3灰度图像的运动点团提取.....................................44IV4.4边缘图像的运动点团提取.....................................474.5基于帧间差的运动点团提取及其与背景差法比较.................494.6背景更新...................................................50第五章兴趣区提取.................................................515.1兴趣区的提取和实验.........................................515.2道路繁忙度获取.............................................53第六章运动点团的位置提取.........................................546.1数学形态学处理.............................................546.2轮廓追踪...................................................566.3线段编码...................................................576.4改进的线段编码.............................................586.5运动点团层运动跟踪.........................................59第七章运动跟踪...................................................627.1卡尔曼滤波.................................................627.2基于预测的运动跟踪.........................................647.3运动跟踪算法的计算复杂性分析与改进.........................687.4基于边缘图像的运动跟踪结果.................................697.5基于预测的运动跟踪算法在不同采样率下的健壮性...............707.6运动跟踪的最终结果.........................................74第八章总结与展望.................................................75参考文献..........................................................76致谢...........................................................................................................................................781第一章引言在道路交通控制管理领域，管理部门需要掌握道路上车辆的速度、车辆的数量等等数据以控制红绿灯平衡道路车流量、对超速和闯红灯的车辆进行处罚。早期，人们一般采用感应线圈的方式获得车辆的速度、车辆的数量等数据。这种方法，需要在检测路段埋入感应线圈，这需要对道路施工，会影响交通，严重影响道路寿命，并且感应线圈设备容易被重型车辆压坏，维护起来又要对道路施工，非常麻烦[1]。随着计算机技术的发展，道路交通数据获取不再需要复杂的线圈设备了。只需在检测路段固定摄像头，摄像头拍摄的道路数字化视频压缩后通过传输线路（如光纤）传输到监控中心，监控中心的计算机采用数字图像处理的方法将道路交通的数据计算出来[2]。与早期的方法相比，这种方法利用了软件算法通过计算机的强大计算能力得到我们需要的数据，而不是复杂的硬件设备（如感应线圈）对数据直接测量。这极大的增加了方便性和灵活性。如何让计算机从视频图像序列中获得道路交通数据，例如车辆的速度等，近年来很多人对此展开了研究。从视频图像序列中获得运动物体的数据的方法除了能运用在道路交通外，也能运用于各种监控领域，例如小区防盗、银行监控等等，用以检测和跟踪进入场景的人或物体，应用范围非常广泛。本文就是研究如何让计算机从视频图像序列中获得物体运动数据——视频图像