|
摘 要 计算机视觉识别和数字图像处理近二十年的发展十分迅速，而对于图像识别和目标跟踪的研究在该领域非常活跃，目标跟踪技术被十分广泛地应用在机器人导航、医学图像分析、智能监视系统以及视频图像压缩和传输等方面。然而，由于应用场景和环境变化大，目前运动目标检测算法都比较复杂、耗时而且缺乏鲁棒性，在实际的处理特别是实时应用中受到了很大的限制。本文重点研究了复杂背景下目标的快速检测与跟踪，对背景建模以及运动目标的检测的相关问题进行了探讨和研究，分别进行了背景差法的运动目标检测仿真，CamShift算法对单目标的运动人体进行跟踪仿真，并且结合Kalman滤波技术对有遮挡的运动人体进行了跟踪仿真。 本文首先讨论了背景差分法对运动目标的识别与跟踪，对视觉场景进行了背景建模，然后利用背景差法将运动目标与背景分离，通过灰度化处理，得到前景为白色，背景为黑色的分离图像序列。 接下来本文在MeanShift算法的基础上，编程实现CamShift算法，并对单个运动目标进行了跟踪仿真实验，并给出了跟踪效果图。 最后本文研究了运动目标的遮挡与分离问题，提出了借助Kalman滤波器对目标的运动状态进行预测和估计，从而增加目标遮挡和分离后判断的可靠性。在将CamShift跟踪与Kalman滤波两种算法结合后，本文给出了一个针对有遮挡运动目标的完整跟踪设计方案，并按照此算法进行了仿真实验，实验证明对有遮挡双运动目标的跟踪效果令人满意。
关键词：运动目标检测；背景差分法；MeanShift算法；CamShift算法；Kalman滤波
第1章 绪 论1.1 课题研究的目的和意义随着计算机技术、通信技术、图像处理技术的不断发展，在应用视觉领域中，运动目标的监测与跟踪是其一个非常重要的的课题。在许多的场合中，人们只是对一些运动的物体感兴趣，比如交通流量的检测、军用飞机制导、关键部位的保安以及汽车的自动驾驶等。因此，动态目标的分离、检测和识别问题的研究，在理论和实际应用中都具备十分重要的价值。随着计算机技术，通信技术，图像处理技术，视觉跟踪的不断发展，这一研究方向已经成为一个热门的研究问题，特别是复杂环境中运动物体的分割、检测和跟踪[1]。 运动目标检测是将被监视目标从背景中分离出来，是运动图像分析、智能监控、可视人机交互中的重要处理步骤，通过运动检测可以得到图像中的运动信息，提取序列图像中的运动人物或目标并对目标进行初步定位，简化了后续的运动跟踪、识别、分析的难度。 运动目标的识别和跟踪在当前的军事应用中有着极其重要的影响，地面发射导弹的导航和校正，在通过目标识别跟踪技术的辅助之后，能够使得追踪目标的精度和准确度都得到明显提高。与此同时，在民用领域，运动目标的识别和跟踪技术已经被广泛地运用到视频拍摄和处理，多媒体动画制作，以及安防领域。因此，研究运动目标的检测和跟踪，有着重大的实际应用价值。 运动目标检测的目的是在监控范围之内，将被监控的目标从背景图像中提取出来，是基于动态图像处理、智能识别、实时人机交互等技术的复杂综合。通过图像处理方法检测图像序列，可以得到序列中的动态信息，提取动态信息，就能对图像序列中运动的物体或指定目标进行方位确定，从而使预警、跟踪等上层应用的实现得到可能。但运动目标的识别和跟踪也存在其十分重大的技术难题，根据严格的运动目标检测和跟踪定义，人们需要识别运动目标的特征、形状和颜色，在人眼和大脑配合使用的系统当中，把很多特定特征比如轮廓、颜色规划为统一特征是一件非常容易的事情，然而这样一个过程对于计算机来说确有很大难度。同时由于环境的不断变化，光照条件各有不同，对于同样一个目标，可能会出现完全不同的视频图像采集效果，当光线非常弱，或者目标的颜色与背景颜色差别很小的时候，计算机识别运动目标的难度会大大增加。另外，运动目标的检测和跟踪与静态图像的识别有着很大的不同，在运动的过程中，目标的姿态和形状可能在不停地发生改变，这种改变对跟踪算法的自治性提出了十分苛刻的要求，因此要完成动态目标的检测与跟踪，必须实时更新目标的特征参数，这对计算系统的数据处理能力也提出了很高的要求。另外，还需要考虑运动目标被遮挡的问题，当目标被遮挡之后，算法需要判断出前景遮挡物的形状，而确定具体的处理方式，然后判定是否发生遮挡，或者改变目标本身的特征参数。这些问题的研究，是目前智能图像处理和识别领域的学者们最关注的问题。 (中间被隐藏) 结 论运动目标检测与跟踪是近些年一个新兴的学术研究点，属于智能视觉处理领域的前沿，目的是实现动态目标有效跟踪和智能预警，从而减少监控工作中的人力成本。因此，它是一个很有意义工作，同时具有很强的任务依赖性，每一个特定的应用场合和需求直接决定了不同的算法，因此在实际中，往往是针对不同的应用而选用不同的算法。 本文根据研究和实验仿真，总结如下： （1）对背景建模进行了深入的探讨与研究。首先对图像序列运用混合高斯滤波的方法进行去噪处理，然后建立背景模型，采用实时更新的策略，采用背景差分法提取运动目标前景，并在不同光照环境下考虑到光照不稳定和噪声带来的干扰等因素，采取了抑制消除等滤波处理，保证了前景目标检测的完整和清晰。 （2）对CamShift跟踪算法进行了仿真实验。检测出运动目标后，本文紧接着研究了对运动目标的跟踪。本文首先对视觉跟踪技术流行的几大类方法进行了研究，通过比较确定了本文的跟踪路线：基于特征跟踪，给出了本文的两个重要的特征选择直方图和质心的求取方法。由于MeanShift对跟踪区域的大小不能自动进行调整，实用性不高，因此本文提出了连续自适应均值算法CamShift，它是在MeanShift的基础上提出的一种改良算法，可以自定义跟踪窗口大小，有相当强的自适应性，本文在单目标跟踪过程中为CamShift设计了仿真程序，并在最后给出了实验效果对设计进行了很好的验证。 （3）进行了静态遮挡与分离的初步研究。处理完单目标的跟踪问题后，本文重点研究了目标的遮挡和分离问题，这是一个开放性难题，直至今日都没有一种统一的解决办法，大部分跟踪系统在处理此问题时都是具体问题具体分析，甚至采用多摄像头进行多角度的跟踪（然后进行信息融合）来解决此问题；另外，如果算法逻辑复杂，软件上即使实现仿真，但因为系统消耗太大，导致跟踪过程运算速度太慢，根本就无法进行实时性分析，那么方案也是不可取的。结合以上考虑，本文提出了一种改进方案。基于CamShift算法在处理单目标时鲁棒性比较好，但是也有当运动物体移动速度过快，帧与帧之间搜索区域相距过远的局限性；而当跟踪目标产生遮挡时，只是根据像素的概率密度直方图很有可能造成直方图相似而发生目标混淆。因此，本文提出了引入Kalman滤波算法来对目标的运动状态进行预测后，本文提出了将Kalman滤波算法和CamShift算法相结合来处理遮挡问题。在设计出相应算法后，进行了仿真实验，从实验结果中可以看出，算法可行并且效果也比较理想。 由于自然环境变化的不可预期性，加上一些动物或者人类活动的干扰，导致运动目标检测与跟踪的工作面临很大的实用性挑战。不同的方法有它们的优点，但是也具备一些缺点，针对不同的环境，也没有完全使用的万能算法。因此要想在实用化方面有所突破，还是需要在后续工作中更多地综合考虑环境特性。 将来的工作重点主要集中在： （1）在背景建模中，光照的影响对最后的建模结果造成的偏差比较大，建立一个适应性强的背景模型是今后首先要考虑解决的细节。 （2）采用的CamShift算法跟踪对目标的选取要求比较高，如何设计出跟踪目标能够任意选取且适应性强的跟踪算法，是今后研究的一大重点。 （3）本文仅讨论到对两个运动目标的跟踪，未涉及到多目标的跟踪问题，后续工作应该考虑多个目标的跟踪和识别，提高动态目标跟踪的实用性。 （4）对动态遮挡物的研究也是动态目标跟踪领域的一大难题，后续工作可以适当提高算法鲁棒性，能够在动态遮挡物下有效识别目标。
参考文献
原创学术论文网Tag： |
 |
 |
 |
 |
 |
 |
 |
