视频图像序列中运动目标跟踪算法研究

东南大学硕士学位论文视频图像序列中运动目标跟踪算法研究姓名：刘学军申请学位级别：硕士专业：模式识别与智能系统指导教师：李久贤20070401视频图像序列中运动目标跟踪算法研究作者：刘学军学位授予单位：东南大学相似文献(10条)1.学位论文李伟视频图像中的运动目标跟踪算法研究2009视频图像序列中的运动目标跟踪是计算机视觉研究领域的一个分支，在视频监视、智能交通、机器人视觉导航以及医疗诊断等方面有着广泛的应用前景。尽管人们对运动目标跟踪进行了广泛的研究，并提出了很多有效的跟踪方法，但开发出一套鲁棒性很强的跟踪算法仍有许多困难。本文在总结前人研究工作基础之上，主要对运动目标跟踪算法进行了研究。重点对运动目标速度过快，跟踪过程中出现遮挡等问题进行了深入研究。主要研究和创新工作如下：（1）研究了MeanShift理论和粒子滤波理论在运动目标跟踪领域的应用，给出了它们实现目标跟踪的详细框架和具体实现步骤，并讨论各个步骤在跟踪过程中所表示的具体意义，总结出了MeanShift理论和粒子滤波理论应用于目标跟踪的各自优越性。（2）针对MeanShift本身的理论缺陷，不能对快速运动目标或遭受严重遮挡的目标实现实时跟踪问题。我们提出了将MeanShift算法和卡尔曼滤波器相结合，并辅以必要的模板更新策略给予解决的办法。利用卡尔曼滤波器来获得每帧MeanShift算法的起始位置，然后再利用MeanShift得到跟踪位置。在目标出现严重遮挡情况时，利用卡尔曼残差来关闭和打开卡尔曼滤波器，此时，目标位置的线性预测替代了卡尔曼滤波器的作用。实验证明，本改进算法可以实现对快速运动目标的跟踪，对遭受到严重遮挡的运动目标也有较好的鲁棒性。（3）研究了相关跟踪理论，通过对模板匹配方法计算量大、容易出现目标漂移出参考模板等问题的分析，提出了基于粒子滤波理论的相关跟踪算法。以模板为目标表示方式，粒子的权值与相关值成比例，目标状态的后验概率由粒子加权表示。纳入粒子滤波跟踪框架的相关方法既继承了相关跟踪直观实用的特点，又体现了粒子滤波“多峰”跟踪的优点，大大提高了跟踪的鲁棒性。本论文的研究主要集中在单目标跟踪应用中，但由于图像运动目标跟踪在计算机视觉领域有着广泛的应用，因此，本文的研究成果对于计算机视觉的其他相关应用同样具有重要意义。2.学位论文薛莲基于视频图像的运动目标跟踪系统分析与设计2007在现实生活中，大量有意义的视觉信息都包含在运动之中。在许多场合，比如重要场所的安全监控、汽车的自动驾驶和辅助驾驶、交通流量的控制、航空和军用飞行器的制导，人们往往只对运动目标或物体感兴趣。因此，研究基于视频图像的运动目标跟踪，有很大的现实意义和实际价值。本文以运动物体为目标，在实验室环境下实现了对运动目标进行识别和跟踪的系统，并通过控制云台、镜头将目标始终保持在视场之内。在图像处理过程中，提出了一种基于灰度数学形态学与最大类间方差法的综合分割算法。这是一种分阶段的分割方法。实验结果表明，这种分阶段的分割方法在运算效率以及分割精度上都取到了较理想的结果。在图像跟踪过程中，将自适应波门跟踪与卡尔曼滤波算法很好地结合起来。采用卡尔曼滤波做位置预测，缩小了特征搜索的范围，提高了算法的效率；采用波门跟踪，提高了跟踪精度，并在目标被短暂遮挡的情况下也能很好地跟踪。本文对各种设计方案和算法进行了仿真实验和编程实现，对最后确定采用的算法进行多次算法改进和优化，大大提高系统的稳定性和实时性。实验表明，上述算法运算速度快，满足系统实时性要求，易于硬件实现，达到预期效果。3.学位论文邱双忠视频图像中运动目标跟踪有关算法的研究2008视频目标跟踪融合了图像处理、模式识别、人工智能、自动控制、计算机应用、生理学、物理学、数学等相关领域的先进技术和研究成果，具有可视性，抗干扰，成本低等优点，已被广泛的应用到军事监控、交通管制、机器智能、医疗诊断等方面。随着各种复杂环境应用领域的不断需求，除了引入各种新的技术外，如何提高现有跟踪算法的精度以及鲁棒性也是当前目标跟踪领域研究的重点。本文详细的介绍MeanShift算法在目标跟踪领域中的应用方法，针对信息度较少的直方图特征引入了空间位置信息加权的目标特征表示方法。通过对MeanShift算法跟踪效果的分析，得出MeanShift算法固有的缺陷。主要对其固有的缺陷提出了两个方面的改进。㈠针对MeanShift算法不能处理目标完全遮挡的情况，提出了Kalman滤波和MeanShift算法相结合的方法，利用Kalman滤波预测目标在当前帧中可能出现的位置，然后利用MeanShift算法在其邻域搜索。本文将目标被遮挡情况分为无遮挡、部分遮挡和完全遮挡三种状态，采用Kalman的残差来判定目标的被遮挡的状态。目标进入完全遮挡状态，利用线性运动特征预测其位置。针对动态更新模板，提出了引入实例推理机制的方案，有效的解决遮挡中模板动态适应的问题。㈡引入了动态自适应核窗口的方法--CamShift算法，采用HSV颜色模型，有效的解决了MeanShift算法中固定核窗口的问题，同时也有效的解决了MeanShift算法对光照敏感的问题；采用椭圆搜索窗口，提高了跟踪的目标旋转形变问题的精度。最后本文提出了一种基于CamShift算法的全自动目标跟踪策略，有效的减少由于手工选取目标引起的误差。4.期刊论文施华.李翠华.ShiHua.LiCuihua视频图像中的运动目标跟踪-计算机工程与应用2005,41(10)提出了一种视频图像中运动目标跟踪的新方法.该文首先提出跟踪区域内基于像素的可信度与空间位置的权重函数,然后利用HSV色彩分布模型计算出目标模型与预测模型间的相似性,选出最优相似模型作为当前目标模型,从而实现了多目标的跟踪.实验显示,该算法计算简单,对相似目标能实现准确的跟踪,对非刚性目标的尺度变化、多目标的交叉及部分遮挡具有鲁棒性.5.学位论文郝彦斌基于视频序列图像的运动目标检测与跟踪2008本文重点研究了目前运动目标检测与跟踪领域的一些常用方法，以数字图像处理技术和数字信号处理理论为基础，利用DirectShow构建了一个数字图像采集系统，根据实际应用情况编制了运动目标检测与跟踪实验软件，为运动检测与跟踪提供了算法实验平台和优化了硬件设计方案。在运动目标检测方面，主要研究了帧间差分、背景差分和光流场的方法。本文根据所处理视频图像相邻帧具有相关性的特点，采用了帧间差分目标检测方法。在差分图像之前，先对图像进行滤波和平滑等降噪处理，再进行相邻帧差分以得到运动信息。在背景差分方法中设计了统计平均法及其改进型、中值滤波法、单高斯和多高斯混合模型法提取背景，针对不同复杂程度的背景使用不同的方法可以获得不同的效果。在介绍光流基本原理的基础上，提出了适合计算机快速运算的光流方程迭代解法。对检测目标灰度图像采用了直方图、最大熵、最大类间方差及自适应法多种阈值分割方法，将灰度图像转化成黑白二值图像。对目标粗糙的边缘轮廓和背景进行了数学形态学滤波，较好的除去背景噪声、提取目标轮廓，采用了投影法确定目标的位置和大小。提出了一种操作简便、运算速度快、检测精度高、易于移植到硬件实现的算法流程。在运动目标跟踪方面，本文详细研究了相关匹配的ABS、SSDA、规一化和金字塔分层匹配算法，针对多点相关跟踪算法运算量大、实时性差的缺点，构建了一种改进的自适应阈值序列的SSDA模型。对模板在图像中按螺旋方式从中心向外遍历，并且只将对应二值化模板图像中像素值为1的像素参与匹配计算，使得匹配运算点完全集中在目标像素上，减少了计算量、提高了匹配精度和速度，同时采用模板尺寸修正及动态模板更新的方法，保证了跟踪的准确性。还研究了粒子滤波、卡尔曼预测确定运动目标下一预定位置，使用彩色直方图特征匹配进行确认，通过实验进行了分析比较。提出差分检测与主动轮廓跟踪相结合的方法，减少了计算迭代次数、提高了计算速度。最后，对所研究算法进行了合理规化、优化建模，使用C++语言结合DirectShow组件，在WindowXP环境的VisualStudio2005平台上开发了基于视频序列图像运动目标检测与跟踪系统。通过该系统对研究场景进行实验，可以在算法的可靠性和实时性上得到量化比较结果，为设计应用系统提供了捷径。6.学位论文刘伟佳复杂环境下视频运动目标跟踪算法研究2006在过去的十几年里，目标跟踪系统已经得到了广泛的关注，其中基于视觉的目标跟踪系统尤为突出。然而，基于视觉的目标跟踪是非常具有挑战性的。例如，需要跟踪目标通常具有不同的速度、形状、尺寸、角度和颜色，目标的外观还受到目标的姿态以及它周围目标物的影响。同时，目标的遮挡和光照条件的不同也改变了目标的整个外观。本文总结了多年来目标跟踪系统中所应用的基于视频的跟踪算法，并分析了各种跟踪算法的特点。同时，对基于图像信息的相关跟踪算法进行大量试验。其中主要包括基于方向纹理模板和基于距离变换的边缘匹配的目标跟踪算法。基于方向纹理模板依据邻域内像素灰度变化的趋势分别提取水平、垂直方向二值化的图像纹理矩阵，然后根据定义的相似性判别准则，分别度量水平、垂直两个方向二值化图像矩阵之间的相关置信度。基于距离变换的边缘匹配方法，采用拆分模板、多子模板以及动态更新模板的策略进行序列图像中目标跟踪的算法研究。本文针对安装在运动车辆上的单个CCD摄像机实时采集的可见光图像，提出了一种基于分类的多模式车辆跟踪算法。按照被跟踪车辆的运行情景(被跟踪车辆在图像中的位置，被跟踪车辆之间的相互位置关系，光照条件等)进行分类，将车辆分为正常行驶状态、遮挡状态、消失状态和光照异常状态等四种状态。对于不同状态的车辆采用相应的跟踪方法：对于正常行驶状态下的车辆，采用基于边缘特征的定位与模板匹配定位相结合的跟踪方法。同时，结合这两种定位方法的特点，提出了一种基于相似性准则的模板更新策略：对于遮挡状态的车辆，采用切割分块模板实现对目标的跟踪；对于消失状态的车辆，采用逆转模板和预估递减模板进行跟踪；对于处于光照异常状态下的车辆，提出一种‘暗中更暗’的方法定位车辆的下边缘，对其它边的定位则利用边缘检测的方法。为了提高匹配速度，采用了改进的金字塔搜索算法进行加速。实验结果显示，多模式车辆跟踪算法具有较好的匹配精度和实时性。多模式车辆跟踪算法已经实现并应用于车辆跟踪系统中。该算法在包括不同天气，不同光照等评估条件下，都能够很好地跟踪车载摄像机拍摄的图像序列中的车辆。实验结果证明了该跟踪算法具有良好的鲁棒性和可用性。7.学位论文于虹基于视频图像的人体运动识别与跟踪研究2006近年来，从人体运动的图像序列中检测、识别和跟踪感兴趣的人体部位是图像处理和计算机视觉领域中的热门课题之一，它具有非常广阔的应用前景。例如，在医学方面，运用人体运动来分析伤残患者的运动信息，能对他们的病症诊断和身体康复起到很大地帮助；在体育运动方面，运用人体运动来分析运动员的运动信息，对提高他们的运动成绩是很有帮助的。人体运动分析过程首先是获取由摄像机摄入的视频图像序列，然后采用适当地跟踪算法对运动人体的关节点进行跟踪，最后把关节点在图像序列中的坐标进行三维重构，并用所获取的三维参数进行人体运动进行分析。本文主要研究的是如何在保证匹配精度的条件下快速、准确地确定图像序列中人体各个关节点的位置，并使之能够应用到运动解析中。本文通过对已有算法的分析和根据人体关节点运动的实际需要，在四步运动矢量查找算法FourStepSearch(FSS)的基础之上采用了一种效率更高，查找更准确的自适应大小查找算法AdaptiveSizeSearch(ASS)。此外本文还重点研究了基于均值偏移的目标跟踪算法(MeanShiftAlgorithm)，并在此基础上，对均值偏移算法进行了改进，提出了一种适应运动幅度较大地人体关节点的动态均值偏移跟踪算法。通过对均值偏移算法和动态均值偏移跟踪算法的分析和实验比较，可以看出动态均值偏移跟踪算法，由于利用了目标的空间位置信息，从而提高了跟踪目标的可靠性和有效性。为了更进一步地提高跟踪运动目标的准确性，本文提出了将动态偏移跟踪算法与多种常用矩结