视频的单一目标跟踪系统设计与实现(源码)【字数：20218】
摘 要随着人们安全意识的增强，日常生活中的监控设备逐渐增多，客运站、学校、大型商场、火车站等地方的摄像头无处不在，形成了一张三百六十度无死角的保护网，正因如此，我国犯罪率、事故率大幅下降。计算机作为摄像头视频信息的存储工具，已经成为监控系统的一部分。然而，随着监控设备增多，视频数量、时长呈指数增加，如果仅仅通过人工方式观察，耗费大量的人力物力，而且准确性、时效性不高，因此，基于视频的单一目标跟踪系统显得至关重要。本设计基于win10系统，以Visual Studio 2015作为开发工具，结合OpenCV3.1.0，使用MFC搭建简单的可视化界面。通过C语言调用计算机视觉库将视频逐帧读入，采取运动目标检测方法将前景背景二值化，使用预处理操作抑制噪声、降低干扰、优化图像，通过人体特征将行人与其他运动物体进行区分，同时利用矩形框框选行人，并标记重心，绘制运动轨迹。本设计在单一行人检测、单一行人跟踪两个模块中对多种方法进行了探索，做出比较分析。在实际应用中，基于视频的单一目标跟踪系统使用已有的监控摄像头进行信息采集，成本较低，同时可与多领域结合，应用范围广泛，具有GPS定位设备所不具备的独特优势。本设计将相机安置于固定位置来采集视频信息，通过行人高宽比检测跟踪法、行人HOG特征检测跟踪法、MobileNet模型行人检测跟踪法进行试验研究，绘制运动轨迹，通过对实验结果的对比分析三种方法的优缺之处及适用场景，并对高宽比与HOG特征结合的行人检测新方法做出尝试，同时，简单的学习和了解了CamShift算法，初步实现了基于视频的多目标下的单一目标跟踪。
目 录
第1章 前言 1
1.1研究背景 1
1.2国内外研究现状 1
1.3研究目的与意义 2
1.4研究内容与章节安排 3
第2章 关键技术简介 5
2.1OpenCV简介 5
2.2MFC简介 5
2.3颜色模型 5
2.3.1RGB颜色模型 5
2.3.2HSV颜色模型 6
2.3.3RGB颜色模型与HSV颜色模型转换 7
2.4高斯模型 8
2.5MobileNe *好棒文|www.hbsrm.com +Q: #351916072#
tSSD模型 10
第3章 基于视频的单一目标跟踪系统分析 12
3.1系统需求分析 12
3.1.1功能需求分析 12
3.1.2非功能需求分析 12
3.2可行性分析 12
3.2.1经济可行性 12
3.2.2技术可行性 13
3.2.3操作可行性 13
3.3系统整体设计方案 13
3.4行人检测与跟踪技术难点 13
第4章 基于视频的单一目标跟踪系统设计与实现 15
4.1视频读入与预处理模块设计与实现 15
4.1.1噪声抑制 15
4.1.2形态学操作 17
4.2运动目标的检测模块设计与实现 18
4.2.1帧差法 19
4.2.2光流法 20
4.2.3背景建模法 20
4.3单一行人检测模块设计与实现 22
4.3.1行人高宽比检测法 22
4.3.2行人HOG特征检测分类法 25
4.3.3MobileNet模型行人检测法 29
4.3.4高宽比与HOG特征结合的行人检测法 30
4.4单一行人跟踪模块设计与实现 31
4.5基于CamShift算法的多目标下的单一目标跟踪法 32
第5章 基于视频的目标跟踪系统测试 35
5.1行人高宽比检测跟踪法 35
5.2行人HOG特征检测跟踪法 35
5.3MobileNet模型行人检测跟踪法 36
5.4高宽比与HOG特征结合的行人检测跟踪方法 36
5.5基于CamShift算法的多目标下的单一目标跟踪法 37
第6章 总结与展望 39
参考文献 41
致 谢 42
第1章 前言
1.1研究背景
当下，人工智能逐渐走入我们视线，机器人化的方式极大地解放了劳动力，优化了人力资源配置，提高了国民工作效率，通过模拟人类的思维和意识，智能化为我们打开了新世界的大门。在五种感知手段中，作为八成信息的源头，双目产生的视觉始终是我们认识、了解世界的关键渠道。与此同时，计算机服务于生活的方方面面，作为新技术领域的热门方向、新兴分支，计算机视觉发展迅速、应用广泛，成为智能化时代大量信息的高效来源[1]。
计算机视觉利用摄像头代替人的眼睛，通过计算机算法模拟人的思维，二者共同构成人类视觉系统，对外部世界信息进行捕捉、定位、分类、跟踪并对行为进行判断[2]。随着人们对计算机视觉依赖感越来越强，监控系统应用愈发广泛，在医疗看护、养老服务、治安防范、监狱管理、交通系统、体育分析等多方面发挥重要作用[3]。但是，传统的监控系统全天候的运转将积聚大量监控信息，为充分处理利用这些信息，二十四小时的人为观察耗费大量人力物力，而结果的准确性、时效性却不尽人意[4]。例如传统监控系统在安防领域，只能成为犯罪后取证的手段之一，无法达到预防效果，且从大量视频中取证并非易事，又如在医疗看护中，因传统监控系统不能在意外情况发生时及时报警而错失最佳治疗时机的现象屡见不鲜。因此，在视频基础上的实时跟踪便彰显出它的独特便捷之处。人作为主要的监控目标，能否对其实现精准的跟踪显得至关重要，成熟的基于视频的行人跟踪技术也因此成为搭建和完善智能化监控的重要基础[5]。
1.2国内外研究现状
VSAM系统（自动视频监视与监控系统）在美国国防高级研究计划局的主要负责下，经多方通力合作、深入研究后于1999年诞生，通过多个摄像机共同对交通系统中的人、车、路进行连续监控，融入传感设备，实现异常行为自动分析报警，为危险情况下的监控与预警做了有益探索[6]。马里兰大学研发的W4系统分析人形目标，实现人的定位及人体各部分的分离，通过建模解决了在跟踪过程中遮挡物对判断的影响。
相比之下，我国对基于视频的跟踪系统的研究开始的比较晚，但在世界技术的发展推动下，也处于快速发展的趋势中，并日益趋向成熟[7]。清华大学、上海交大、西安交大等多所高校开设对应课程、成立相关研究机构。华为e Space IVS系统作为分布式监控平台，结合云计算与大数据技术，对视频编解码进行智能存储分析，衍生而出多项视频监控产品。目前，e Space IVS系统为全球一百余个国家、五百余个地区和城市政企客户提供效率高、信得过的安全防护，服务总人口超出十亿，为信息化平安城市给出了华为解决方案。中兴公司将互联网与智慧型政府结合，通过视频监控完善城市服务、推出智慧公安、打造智慧交通、定制智慧医疗。
近些年来，行人跟踪在银行、商场、汽车站、火车站多场所取得了一些研究成就，并逐渐应用于家用领域，国内外很多个人与公司围绕行人跟踪展开探索与研究。根据相机和行人的状态的不同表现形式又分为相机静止行人静止、相机静止行人运动、相机运动行人静止、相机运动行人运动四种状态分别开展研究并探索应用场景。特征提取、分类定位和跟踪是基于视频的行人跟踪三大主要问题[8]。系统输入可采用单帧图像输入与视频序列输入，目标检测也分为单一目标与多目标两种情况，行人跟踪可以通过特征匹配或粒子滤波等方式。行人跟踪技术方面仍有一些的障碍需要攻克，例如，人置身于复杂背景中较难区分相似物体；因行人衣着颜色与背景色部分冲突造成的部分特征不匹配常常导致无法辨认；背景中出现的晃动物品、宠物等对检测跟踪造成较大干扰；人作为非刚性目标，与不会发生形状变化的车辆不同，因人体外形差异，行走路线变化大，站、跑、跳、弯腰等姿态变化也往往导致检测失效[9]。行人跟踪的鲁棒性、实时性、精确性也是判断跟踪算法优劣的标准。
目 录
第1章 前言 1
1.1研究背景 1
1.2国内外研究现状 1
1.3研究目的与意义 2
1.4研究内容与章节安排 3
第2章 关键技术简介 5
2.1OpenCV简介 5
2.2MFC简介 5
2.3颜色模型 5
2.3.1RGB颜色模型 5
2.3.2HSV颜色模型 6
2.3.3RGB颜色模型与HSV颜色模型转换 7
2.4高斯模型 8
2.5MobileNe *好棒文|www.hbsrm.com +Q: #351916072#
tSSD模型 10
第3章 基于视频的单一目标跟踪系统分析 12
3.1系统需求分析 12
3.1.1功能需求分析 12
3.1.2非功能需求分析 12
3.2可行性分析 12
3.2.1经济可行性 12
3.2.2技术可行性 13
3.2.3操作可行性 13
3.3系统整体设计方案 13
3.4行人检测与跟踪技术难点 13
第4章 基于视频的单一目标跟踪系统设计与实现 15
4.1视频读入与预处理模块设计与实现 15
4.1.1噪声抑制 15
4.1.2形态学操作 17
4.2运动目标的检测模块设计与实现 18
4.2.1帧差法 19
4.2.2光流法 20
4.2.3背景建模法 20
4.3单一行人检测模块设计与实现 22
4.3.1行人高宽比检测法 22
4.3.2行人HOG特征检测分类法 25
4.3.3MobileNet模型行人检测法 29
4.3.4高宽比与HOG特征结合的行人检测法 30
4.4单一行人跟踪模块设计与实现 31
4.5基于CamShift算法的多目标下的单一目标跟踪法 32
第5章 基于视频的目标跟踪系统测试 35
5.1行人高宽比检测跟踪法 35
5.2行人HOG特征检测跟踪法 35
5.3MobileNet模型行人检测跟踪法 36
5.4高宽比与HOG特征结合的行人检测跟踪方法 36
5.5基于CamShift算法的多目标下的单一目标跟踪法 37
第6章 总结与展望 39
参考文献 41
致 谢 42
第1章 前言
1.1研究背景
当下，人工智能逐渐走入我们视线，机器人化的方式极大地解放了劳动力，优化了人力资源配置，提高了国民工作效率，通过模拟人类的思维和意识，智能化为我们打开了新世界的大门。在五种感知手段中，作为八成信息的源头，双目产生的视觉始终是我们认识、了解世界的关键渠道。与此同时，计算机服务于生活的方方面面，作为新技术领域的热门方向、新兴分支，计算机视觉发展迅速、应用广泛，成为智能化时代大量信息的高效来源[1]。
计算机视觉利用摄像头代替人的眼睛，通过计算机算法模拟人的思维，二者共同构成人类视觉系统，对外部世界信息进行捕捉、定位、分类、跟踪并对行为进行判断[2]。随着人们对计算机视觉依赖感越来越强，监控系统应用愈发广泛，在医疗看护、养老服务、治安防范、监狱管理、交通系统、体育分析等多方面发挥重要作用[3]。但是，传统的监控系统全天候的运转将积聚大量监控信息，为充分处理利用这些信息，二十四小时的人为观察耗费大量人力物力，而结果的准确性、时效性却不尽人意[4]。例如传统监控系统在安防领域，只能成为犯罪后取证的手段之一，无法达到预防效果，且从大量视频中取证并非易事，又如在医疗看护中，因传统监控系统不能在意外情况发生时及时报警而错失最佳治疗时机的现象屡见不鲜。因此，在视频基础上的实时跟踪便彰显出它的独特便捷之处。人作为主要的监控目标，能否对其实现精准的跟踪显得至关重要，成熟的基于视频的行人跟踪技术也因此成为搭建和完善智能化监控的重要基础[5]。
1.2国内外研究现状
VSAM系统（自动视频监视与监控系统）在美国国防高级研究计划局的主要负责下，经多方通力合作、深入研究后于1999年诞生，通过多个摄像机共同对交通系统中的人、车、路进行连续监控，融入传感设备，实现异常行为自动分析报警，为危险情况下的监控与预警做了有益探索[6]。马里兰大学研发的W4系统分析人形目标，实现人的定位及人体各部分的分离，通过建模解决了在跟踪过程中遮挡物对判断的影响。
相比之下，我国对基于视频的跟踪系统的研究开始的比较晚，但在世界技术的发展推动下，也处于快速发展的趋势中，并日益趋向成熟[7]。清华大学、上海交大、西安交大等多所高校开设对应课程、成立相关研究机构。华为e Space IVS系统作为分布式监控平台，结合云计算与大数据技术，对视频编解码进行智能存储分析，衍生而出多项视频监控产品。目前，e Space IVS系统为全球一百余个国家、五百余个地区和城市政企客户提供效率高、信得过的安全防护，服务总人口超出十亿，为信息化平安城市给出了华为解决方案。中兴公司将互联网与智慧型政府结合，通过视频监控完善城市服务、推出智慧公安、打造智慧交通、定制智慧医疗。
近些年来，行人跟踪在银行、商场、汽车站、火车站多场所取得了一些研究成就，并逐渐应用于家用领域，国内外很多个人与公司围绕行人跟踪展开探索与研究。根据相机和行人的状态的不同表现形式又分为相机静止行人静止、相机静止行人运动、相机运动行人静止、相机运动行人运动四种状态分别开展研究并探索应用场景。特征提取、分类定位和跟踪是基于视频的行人跟踪三大主要问题[8]。系统输入可采用单帧图像输入与视频序列输入，目标检测也分为单一目标与多目标两种情况，行人跟踪可以通过特征匹配或粒子滤波等方式。行人跟踪技术方面仍有一些的障碍需要攻克，例如，人置身于复杂背景中较难区分相似物体；因行人衣着颜色与背景色部分冲突造成的部分特征不匹配常常导致无法辨认；背景中出现的晃动物品、宠物等对检测跟踪造成较大干扰；人作为非刚性目标，与不会发生形状变化的车辆不同，因人体外形差异，行走路线变化大，站、跑、跳、弯腰等姿态变化也往往导致检测失效[9]。行人跟踪的鲁棒性、实时性、精确性也是判断跟踪算法优劣的标准。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/157.html
