答辩PPT-运动车辆检测跟踪系统——车辆的检测与跟踪.ppt

静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 静思笃行 持中秉正 　　　　　　　 秋记与你分享 学号：312011080605202 姓名：陈海峰 专业：计算机科学与技术 团队人数：2人 指导教师：王晓明 运动车辆检测跟踪系统—— 车辆的检测与跟踪 卓越 求是 明德 运动车辆检测跟踪系统概述 运动车辆检测跟踪系统 序列图像预处理 车辆的检测与跟踪 ·运动车辆检测跟踪系统包含两大功能模块： 卓越 求是 明德 本论文主要工作 ·本次毕业设计任务中，我主要负责实现车辆的检测与跟踪下的五个小模块。 车辆的检测与跟踪 背 景 建 模 车 辆 检 测 车 辆 分 割 车 辆 跟 踪 绘 制 轨 迹 卓越 求是 明德 功能实现方法 背 景 建 模 车 辆 检 测 车 辆 分 割 ·这三个模块可以合并为一个对车辆检测的功能，在本论文里使用背景差分法和混合高斯背景建模这两种检测方法实现车辆检测功能。 车 辆 跟 踪 绘 制 轨 迹 ·这两个模块合并为一个对车辆跟踪的功能，在本论文里使用基于特征的跟踪和CAMShift跟踪算法这两种方法实现车辆跟踪功能。 卓越 求是 明德 背景差分法 卓越 求是 明德 ·背景差分法原理：利用一段相邻序列图像得到背景图像，将输入图像与背景图像作差，分割出运动目标。 背景差分法流程图 形态学连通分析 输入图像 与背景图像作差 差值图像二值化 前景图像 ·背景图像计算公式： 混合高斯背景建模 卓越 求是 明德 ·混合高斯背景建模原理：将当前图像各像素点与建立的高斯分布模型进行匹配，根据匹配结果判断此像素点是否是前景点。 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 Y N 衰减高斯 模型的权值 混合高斯模型算法流程图 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 替换掉权 重最小的 高斯模型 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 混合高斯模型算法流程图 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 衰减高斯 模型的权值 第一帧初始化高斯分布模型，t=0 第一帧初始化高斯分布模型，t=0 更新第一 个高斯分布 模型的均 值和方差 第一帧初始化高斯分布模型，t=0 读取下一帧图像，t=t+1