labwindows的运动目标检测与跟踪【字数：13354】
运动目标检测与跟踪是计算机视觉领域的一个重要组成部分，涉及到人们生活的方方面面，它的功能十分强大，在交通安全、公共管理等领域得到广泛应用。运动目标检测与跟踪技术可以准确且长期实现追踪，克服了人为监测漏检率高、费时费力等缺点，已成为如今最热门的技术之一。本文主要从两个方面对该技术进行研究。一是如何对视频每一帧图像中的行人进行检测。目前，人们常用的多目标检测方法主要有四种，分别是光流法、背景差分法、帧间差分法和混合高斯模型法。目前最常用的检测算法是背景差分法，该算法易实现，检测结果可以对运动目标相关信息进行反应，包括大小、位置、以及数量等。二是如何将现在检测到的物体与之前跟踪的同一物体关联起来。卡尔曼滤波可以通过计算，估计出每个物体的运动轨迹，用匈牙利算法进行匹配。在Windows系统下，读取文件获得被测视频流，并在LabWindows软件里进行编程实现运动目标的检测与跟踪。
目录
1.绪论 1
1.1课题研究的背景与意义 1
1.2课题研究的现状 1
1.3文章主要内容及章节安排 3
2.目标检测与跟踪方法 4
2.1目标检测方法 4
2.2目标检测方法的选定 6
2.3目标跟踪方法 7
2.4目标跟踪方法的选定 8
3.基于背景差分法的多目标检测 9
3.1背景差分法原理 9
3.2运动目标的提取 9
3.2.1具体步骤 9
3.2.2流程图 10
3.3形态学处理 10
4.基于卡尔曼滤波的多目标跟踪 13
4.1卡尔曼滤波的实验原理 13
4.2卡尔曼滤波器的参数选择 14
4.3基于卡尔曼滤波的多目标跟踪 15
4.3.1对前景图像的处理 15
4.3.2对运动目标特征信息的提取 16
4.3.3对运动目标区域进行预测估计 16
5.实验设计与仿真分析 18
5.1界面设计 18
5.2多目标跟踪程序实现分析 18
5.3仿真结果分析 20
5.4评估结果 21
*好棒文|www.hbsrm.com +Q: ￥351916072￥
6.总结与展望 23
6.1总结 23
6.2展望 23
6.3对环境及社会可持续发展的影响 23
参考文献 25
致谢 27
1.绪论
1.1课题研究的背景与意义
由于我国经济得到了越来越快的发展，加快推动了计算机视觉技术的发展，促进了社会的发展。在多目标监测技术中，所涉及到的技术领域比较广，主要包括模式识别、计算机视觉以及图像处理等，是一个新兴的技术领域，无论是对科学研究还是科学应用而言，都是非常重要的。多目标跟踪技术的内容包括信息科学、图像检测、数据处理以及图像处理等。在计算机视觉领域中，多目标监测技术是非常重要的一个研究课题。多目标监测技术应用的范围也越来越广泛，涉及到人们的日常生活，例如安全监视、交通监视以及防盗监视等。以摄像机运动状态为依据，来划分背景跟踪器的种类。多目标监测技术是一个非常热门的研究领域。在交通监控方面，因为车辆的数量逐渐增多，因此对监管能力提出了更大的要求，可是对一个人而言，其精力并不是无限的，所以无法时时刻刻对车辆的运行状况进行屏幕监控，并对车辆的违规情况进行分析处理，如此大的工作量会给人造成巨大的负担。而我们通过对多目标跟踪技术的有效应用，不但可以使人力负担得到缓解，而且还可以使人力成本得到降低。多目标跟踪技术还适用于医疗或者防盗监控等领域，不仅可以降低人为的视觉误差，而且还有利于降低人力成本。
近些年以来，加入目标跟踪与目标检测研究行列的科研工作者越来越多，可是因为视频图像是非常复杂的，因此会严重干扰到对目标的跟踪。例如卡尔曼滤波侧重于对线性系统进行处理，可是由于存在噪声，因此会对跟踪的效果造成不利影响。即使国内相关专家深入研究分析了目标行人跟踪技术，进一步改善了卡尔曼滤波，可以让跟踪的某些性能处于最佳状态，可是对于多目标跟踪技术中存在的重点问题和难点问题，还是无法提出有效的解决方案。例如互相遮挡问题以及背景杂波等问题，即使我们能够通过其它方法来使其得到优化，可是这样却会导致系统更加复杂，可能会由此产生一些其它新的问题，从而对系统跟踪造成不利影响。
1.2课题研究的现状
自从第三代数字计算机出现以后，图像处理技术得到了快速发展。在长达数十年的研究进程中，目标检测算法逐渐步入了成熟阶段。我们如果想要实现定位操作、目标跟踪以及目标运动估计等，则需要基于目标检测技术来实现。所以，在视频图像处理中，如何使目标检测算法更具准确性以及高效性，是研究人员一直努力实现的研究问题。
在研究分析目标检测算法的过程中，国外专家花费了很大的时间成本和人力成本，故目标检测算法取得了较好的成绩。典型的移动目标检测算法包括：表格差异法、背景差法、区块组合法、以统计为基础的检测法以及光学流法等，大部分专家都是基于以上算法理论而展开进一步的研究，并通过添加新算子或更改使用条件等方式，来对传统算法中存在的不足之处进行改善。比如Ghidoni.S等学者提出了一种新型视频传感器，对背景差分与帧间差分法进行了应用，通过移动摄像机来对视频信息进行采集，而且在识别与跟踪运动状况中的人脸时应用了人脸检测算法，使实时监控得以实现，在无人机航拍中也应用了该传感器。Minoh M等人提出了一种改进的三框架差异化方法，从三框架差异化方法中提取更清晰、更全面的目标。Chang Sang Hyun等人对以Ultra宽带为基础的雷达视频监控系统进行了详细的介绍，在检测监控行人的过程中，对卡尔曼滤波最优预测算法进行了应用，无论是对家庭防盗视频系统还是户外视频监控系统而言，该系统都适用。Kim K与Harwood D对码本背景建模法进行了介绍，以此来使背景差分法存在的建模问题得到了有效的解决。Barnich O与Van Roogenbroeck M对基于ViBe算法的背景建模法进行了提出，同时包含了随机选择机制以及领域传播机制，不仅使检测的鲁棒性得到了提高，而且还提高了其实时性。Dickinson P与Appiah K基于GMM混合高斯建模之上，在建模的过程中加入了图像的纹理与颜色等特征，使混合高斯建模方法更具自适应性。Wren与Darrell T等人对单高斯背景建模算法进行了提出，该算法能够实现对区域像素行为的分析，并对背景差分法存在的一些问题进行了有效解决，例如易产生大面积粘连区域等问题。
目录
1.绪论 1
1.1课题研究的背景与意义 1
1.2课题研究的现状 1
1.3文章主要内容及章节安排 3
2.目标检测与跟踪方法 4
2.1目标检测方法 4
2.2目标检测方法的选定 6
2.3目标跟踪方法 7
2.4目标跟踪方法的选定 8
3.基于背景差分法的多目标检测 9
3.1背景差分法原理 9
3.2运动目标的提取 9
3.2.1具体步骤 9
3.2.2流程图 10
3.3形态学处理 10
4.基于卡尔曼滤波的多目标跟踪 13
4.1卡尔曼滤波的实验原理 13
4.2卡尔曼滤波器的参数选择 14
4.3基于卡尔曼滤波的多目标跟踪 15
4.3.1对前景图像的处理 15
4.3.2对运动目标特征信息的提取 16
4.3.3对运动目标区域进行预测估计 16
5.实验设计与仿真分析 18
5.1界面设计 18
5.2多目标跟踪程序实现分析 18
5.3仿真结果分析 20
5.4评估结果 21
*好棒文|www.hbsrm.com +Q: ￥351916072￥
6.总结与展望 23
6.1总结 23
6.2展望 23
6.3对环境及社会可持续发展的影响 23
参考文献 25
致谢 27
1.绪论
1.1课题研究的背景与意义
由于我国经济得到了越来越快的发展，加快推动了计算机视觉技术的发展，促进了社会的发展。在多目标监测技术中，所涉及到的技术领域比较广，主要包括模式识别、计算机视觉以及图像处理等，是一个新兴的技术领域，无论是对科学研究还是科学应用而言，都是非常重要的。多目标跟踪技术的内容包括信息科学、图像检测、数据处理以及图像处理等。在计算机视觉领域中，多目标监测技术是非常重要的一个研究课题。多目标监测技术应用的范围也越来越广泛，涉及到人们的日常生活，例如安全监视、交通监视以及防盗监视等。以摄像机运动状态为依据，来划分背景跟踪器的种类。多目标监测技术是一个非常热门的研究领域。在交通监控方面，因为车辆的数量逐渐增多，因此对监管能力提出了更大的要求，可是对一个人而言，其精力并不是无限的，所以无法时时刻刻对车辆的运行状况进行屏幕监控，并对车辆的违规情况进行分析处理，如此大的工作量会给人造成巨大的负担。而我们通过对多目标跟踪技术的有效应用，不但可以使人力负担得到缓解，而且还可以使人力成本得到降低。多目标跟踪技术还适用于医疗或者防盗监控等领域，不仅可以降低人为的视觉误差，而且还有利于降低人力成本。
近些年以来，加入目标跟踪与目标检测研究行列的科研工作者越来越多，可是因为视频图像是非常复杂的，因此会严重干扰到对目标的跟踪。例如卡尔曼滤波侧重于对线性系统进行处理，可是由于存在噪声，因此会对跟踪的效果造成不利影响。即使国内相关专家深入研究分析了目标行人跟踪技术，进一步改善了卡尔曼滤波，可以让跟踪的某些性能处于最佳状态，可是对于多目标跟踪技术中存在的重点问题和难点问题，还是无法提出有效的解决方案。例如互相遮挡问题以及背景杂波等问题，即使我们能够通过其它方法来使其得到优化，可是这样却会导致系统更加复杂，可能会由此产生一些其它新的问题，从而对系统跟踪造成不利影响。
1.2课题研究的现状
自从第三代数字计算机出现以后，图像处理技术得到了快速发展。在长达数十年的研究进程中，目标检测算法逐渐步入了成熟阶段。我们如果想要实现定位操作、目标跟踪以及目标运动估计等，则需要基于目标检测技术来实现。所以，在视频图像处理中，如何使目标检测算法更具准确性以及高效性，是研究人员一直努力实现的研究问题。
在研究分析目标检测算法的过程中，国外专家花费了很大的时间成本和人力成本，故目标检测算法取得了较好的成绩。典型的移动目标检测算法包括：表格差异法、背景差法、区块组合法、以统计为基础的检测法以及光学流法等，大部分专家都是基于以上算法理论而展开进一步的研究，并通过添加新算子或更改使用条件等方式，来对传统算法中存在的不足之处进行改善。比如Ghidoni.S等学者提出了一种新型视频传感器，对背景差分与帧间差分法进行了应用，通过移动摄像机来对视频信息进行采集，而且在识别与跟踪运动状况中的人脸时应用了人脸检测算法，使实时监控得以实现，在无人机航拍中也应用了该传感器。Minoh M等人提出了一种改进的三框架差异化方法，从三框架差异化方法中提取更清晰、更全面的目标。Chang Sang Hyun等人对以Ultra宽带为基础的雷达视频监控系统进行了详细的介绍，在检测监控行人的过程中，对卡尔曼滤波最优预测算法进行了应用，无论是对家庭防盗视频系统还是户外视频监控系统而言，该系统都适用。Kim K与Harwood D对码本背景建模法进行了介绍，以此来使背景差分法存在的建模问题得到了有效的解决。Barnich O与Van Roogenbroeck M对基于ViBe算法的背景建模法进行了提出，同时包含了随机选择机制以及领域传播机制，不仅使检测的鲁棒性得到了提高，而且还提高了其实时性。Dickinson P与Appiah K基于GMM混合高斯建模之上，在建模的过程中加入了图像的纹理与颜色等特征，使混合高斯建模方法更具自适应性。Wren与Darrell T等人对单高斯背景建模算法进行了提出，该算法能够实现对区域像素行为的分析，并对背景差分法存在的一些问题进行了有效解决，例如易产生大面积粘连区域等问题。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/957.html
