机器视觉的行人跟踪【字数：14521】
摘 要本文基于机器视觉针对行人运动进行跟踪，即实现对运动目标的检测、提取、识别和跟踪的技术，这项技术一直以来都是机器视觉、城市道路监控、视频跟踪等领域的研究核心，也是图像处理问题的难点之一。为了满足人们对于运动目标检测跟踪的需求，尤其是针对道路行人的追踪已经成为具有理论意义和使用价值的课题研究方向，本文将行人跟踪两大部分进行阐述，分别是图像序列采集处理以及目标跟踪算法分析。
目 录
1 绪论 1
1,1 研究背景和意义 1
1.2 研究现状 1
1.3主要工作内容 2
1.4论文结构安排 2
1.5本章小结 3
2 MATLAB行人跟踪方案设计 4
2.1总体方案设计 4
2.2软件系统设计 4
2.2.1 视频图像序列 5
2.2.2 运动目标检测和追踪 5
2.2.2程序模块化设计 6
2.3本章小结 6
3 图像预处理 7
3.1 灰值化处理 7
3.2图像噪音处理 8
3.3二值化处理 9
3.4数学形态学处理 10
3.4.1腐蚀和膨胀 10
3.4.2 开运算和闭运算 11
3.5本章小结 12
4 运动目标跟踪算法 13
4.1视频运动目标检测 13
4.1.1帧差法 13
4.1.2背景差法 14
4.1.3光流法 15
4.1.4帧差法改进 15
4.2视频运动目标跟踪 16
4.2.1视频运动目标跟踪算法 16
4.2.2 KCF跟踪原理介绍 16
4.2.3 KCF跟踪算法MATLAB实现 18
4.3本章小结 19
5 实验结果分析 20
5.1 KCF跟踪效果 20
5.2 帧差法结合KCF跟踪算法 21
5.3本章小结 24
6 GUI人机交互界面 25
6.1 GUI程序设计 25 *好棒文|www.hbsrm.com +Q: *351916072*
6.2 GUI界面设计 26
6.3本章小结 29
7 总结与展望 30
7.1总结 30
7.2展望 30
7.3系统可持续发展 31
7.4法律相关 31
参考文献 33
致谢 34
1 绪论
1,1 研究背景和意义
在图像处理领域中，运动目标追踪技术是一项重要且具有非常意义的一个研究方向，从Meanshitf算法、帧差法、光流法、背景差法等经典的目标跟踪算法，再到KCF(相关滤波)算法，以及近年来流行的深度学习。这些跟踪解决方案的提出逐渐完善填补了目标检测追踪领域的空白。目标跟踪技术一直以来都是机器视觉、城市道路监控、视频跟踪等领域的研究重点以及难点。
运动目标检测和追踪是运动跟踪技术的两大难点，两者相辅相成，运动目标的良好检测是运动目标实现更好追踪效果的基础，所以能否将运动物体从视频序列中准确地检测出来是运动估计、目标识别、行为理解等高层次视频分析模块能否成功的关键。人们对移动目标的定位和跟踪需求也迫使运动目标检测技术在实际应用中应用起来，在日常生活的各个方面都能体现运动目标检测技术的用武之地，例如城市交通管理，现如今我们交警同志需要人工的对违章车辆进行跟踪，如果可以引入运动目标追踪技术则可以大大降低人工工作量，提高工作效率且能保证跟踪效果的稳定性和准确性。近年来对运动目标检测技术的研究项既有理论意义又有使用价值的课题的研究很多,大体有帧间差分法背景差分法和光流法等算法。其中,帧间差分法由于运算量较小,易于硬件实现,已得到了泛的应用。
本文将着重与行人跟踪问题，运用成熟的目标跟踪算法来解决行人追踪难题。通过行人追踪技术我们可以建立起一个更安全、更实用的城市智能交通控制系统，本课题基于Matlab图像处理技术实现行人追踪。此外行人追踪技术的意义是給错综复杂的城市交通治安管理带来新的解决方案，机器识别技术能够直接与城市基础设施进行互动，利用公共场所的监控采集信息，再进行处理分析。行人检测技术可以广泛应用于安全、监控和视觉分析等领域，能够为城市智能化发展注入新的活力。
1.2 研究现状
为了满足人们对于运动目标检测跟踪的需求，各种跟踪方法层出不穷，每年在几个主要跟踪算法的竞赛上的竞争都非常激烈，也给我们进行运动目标检测带来了越来越多的方法，在2010年以前，在运动目标追踪领域主要是Meanshitf算法、帧差法、光流法、背景差法等经典算法，它们应用于各自适应的场景均能体现良好的追踪效果，但是当运动场景发生变化时，例如检测目标姿态的变化、场地亮度的变化、目标尺度变化、以及目标被遮挡的情况的出现可能会导致识别失败，因为它们无法适应和处理复杂的场景变化，为了解决这一问题，在2014年由Joao F. Henriques, Rui Caseiro, Pedro Martins, and Jorge Batista提出KCF算法（即核相关滤波算法），这种算法提出一种新的解决思路，通过利用循环矩阵的方法，扩大正样本数量，并且利用傅里叶变换实现快速检测的过程。KCF算法的跟踪频率能达到100~400fps，这大大提高了目标追踪方法的鲁棒性和准确性。
1.3主要工作内容
本课题主要针对行人跟踪的实际应用进行阐述说明，并实现基于MATLAB行人跟踪程序编程，完成以下工作，视频采集、图像序列获取、图像预处理包括形态学处理、灰度化、中值滤波、运动目标检测以及运动目标跟踪。主要任务是根据课题要求，广泛学习并掌握各种主流跟踪算法，了解当前目标跟踪领域的前沿算法，为了能够更好地适应环境的变化对跟踪效果的影响，本次课题选取帧差法和KCF方法两种方式对视频文件进行处理，并总结各种跟踪方法的优缺点。
主要工作内容有：将KCF整套控制程序进行模块化处理，包括采集图形序列模块、图像预处理模块、跟踪算法模块、主运行程序、加载视频等模块，这样的处理使整个程序看起来结构更加清晰，方便读懂程序代码，方便程序移植等。人机交互界面设计GUI，实现自动视频加载，并进行采集图像序列等一系列操作，通过设计人机交互界面使得运行这套程序更加简洁明了。在图像预处理的过程中，获取的图像已经经过灰度化、二值化，因此得到的跟踪效果也是灰度视频，为了改善跟踪效果，后续将视频以RGB形式播放，播放效果更佳。
目 录
1 绪论 1
1,1 研究背景和意义 1
1.2 研究现状 1
1.3主要工作内容 2
1.4论文结构安排 2
1.5本章小结 3
2 MATLAB行人跟踪方案设计 4
2.1总体方案设计 4
2.2软件系统设计 4
2.2.1 视频图像序列 5
2.2.2 运动目标检测和追踪 5
2.2.2程序模块化设计 6
2.3本章小结 6
3 图像预处理 7
3.1 灰值化处理 7
3.2图像噪音处理 8
3.3二值化处理 9
3.4数学形态学处理 10
3.4.1腐蚀和膨胀 10
3.4.2 开运算和闭运算 11
3.5本章小结 12
4 运动目标跟踪算法 13
4.1视频运动目标检测 13
4.1.1帧差法 13
4.1.2背景差法 14
4.1.3光流法 15
4.1.4帧差法改进 15
4.2视频运动目标跟踪 16
4.2.1视频运动目标跟踪算法 16
4.2.2 KCF跟踪原理介绍 16
4.2.3 KCF跟踪算法MATLAB实现 18
4.3本章小结 19
5 实验结果分析 20
5.1 KCF跟踪效果 20
5.2 帧差法结合KCF跟踪算法 21
5.3本章小结 24
6 GUI人机交互界面 25
6.1 GUI程序设计 25 *好棒文|www.hbsrm.com +Q: *351916072*
6.2 GUI界面设计 26
6.3本章小结 29
7 总结与展望 30
7.1总结 30
7.2展望 30
7.3系统可持续发展 31
7.4法律相关 31
参考文献 33
致谢 34
1 绪论
1,1 研究背景和意义
在图像处理领域中，运动目标追踪技术是一项重要且具有非常意义的一个研究方向，从Meanshitf算法、帧差法、光流法、背景差法等经典的目标跟踪算法，再到KCF(相关滤波)算法，以及近年来流行的深度学习。这些跟踪解决方案的提出逐渐完善填补了目标检测追踪领域的空白。目标跟踪技术一直以来都是机器视觉、城市道路监控、视频跟踪等领域的研究重点以及难点。
运动目标检测和追踪是运动跟踪技术的两大难点，两者相辅相成，运动目标的良好检测是运动目标实现更好追踪效果的基础，所以能否将运动物体从视频序列中准确地检测出来是运动估计、目标识别、行为理解等高层次视频分析模块能否成功的关键。人们对移动目标的定位和跟踪需求也迫使运动目标检测技术在实际应用中应用起来，在日常生活的各个方面都能体现运动目标检测技术的用武之地，例如城市交通管理，现如今我们交警同志需要人工的对违章车辆进行跟踪，如果可以引入运动目标追踪技术则可以大大降低人工工作量，提高工作效率且能保证跟踪效果的稳定性和准确性。近年来对运动目标检测技术的研究项既有理论意义又有使用价值的课题的研究很多,大体有帧间差分法背景差分法和光流法等算法。其中,帧间差分法由于运算量较小,易于硬件实现,已得到了泛的应用。
本文将着重与行人跟踪问题，运用成熟的目标跟踪算法来解决行人追踪难题。通过行人追踪技术我们可以建立起一个更安全、更实用的城市智能交通控制系统，本课题基于Matlab图像处理技术实现行人追踪。此外行人追踪技术的意义是給错综复杂的城市交通治安管理带来新的解决方案，机器识别技术能够直接与城市基础设施进行互动，利用公共场所的监控采集信息，再进行处理分析。行人检测技术可以广泛应用于安全、监控和视觉分析等领域，能够为城市智能化发展注入新的活力。
1.2 研究现状
为了满足人们对于运动目标检测跟踪的需求，各种跟踪方法层出不穷，每年在几个主要跟踪算法的竞赛上的竞争都非常激烈，也给我们进行运动目标检测带来了越来越多的方法，在2010年以前，在运动目标追踪领域主要是Meanshitf算法、帧差法、光流法、背景差法等经典算法，它们应用于各自适应的场景均能体现良好的追踪效果，但是当运动场景发生变化时，例如检测目标姿态的变化、场地亮度的变化、目标尺度变化、以及目标被遮挡的情况的出现可能会导致识别失败，因为它们无法适应和处理复杂的场景变化，为了解决这一问题，在2014年由Joao F. Henriques, Rui Caseiro, Pedro Martins, and Jorge Batista提出KCF算法（即核相关滤波算法），这种算法提出一种新的解决思路，通过利用循环矩阵的方法，扩大正样本数量，并且利用傅里叶变换实现快速检测的过程。KCF算法的跟踪频率能达到100~400fps，这大大提高了目标追踪方法的鲁棒性和准确性。
1.3主要工作内容
本课题主要针对行人跟踪的实际应用进行阐述说明，并实现基于MATLAB行人跟踪程序编程，完成以下工作，视频采集、图像序列获取、图像预处理包括形态学处理、灰度化、中值滤波、运动目标检测以及运动目标跟踪。主要任务是根据课题要求，广泛学习并掌握各种主流跟踪算法，了解当前目标跟踪领域的前沿算法，为了能够更好地适应环境的变化对跟踪效果的影响，本次课题选取帧差法和KCF方法两种方式对视频文件进行处理，并总结各种跟踪方法的优缺点。
主要工作内容有：将KCF整套控制程序进行模块化处理，包括采集图形序列模块、图像预处理模块、跟踪算法模块、主运行程序、加载视频等模块，这样的处理使整个程序看起来结构更加清晰，方便读懂程序代码，方便程序移植等。人机交互界面设计GUI，实现自动视频加载，并进行采集图像序列等一系列操作，通过设计人机交互界面使得运行这套程序更加简洁明了。在图像预处理的过程中，获取的图像已经经过灰度化、二值化，因此得到的跟踪效果也是灰度视频，为了改善跟踪效果，后续将视频以RGB形式播放，播放效果更佳。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/916.html
