二维视频中目标的三维轨迹检测算法研究-SignalandInformationProcessing专业论文.docx

A Dissertation Submitted to Shanghai Jiao Tong University for the Degree of Master of Engineering Research on Algorithm of 3D Track Detecting of Objects in 2D Video Author: Zhou Shengxin Specialty: Signal and Information Processing School: Shanghai Jiaotong University Class: B0703495 Student No.:1070349177 Research Field: Multimedia Signal Processing Advisor: Associate Prof. Zhou Jun School of Electronics and Electric Engineering Shanghai Jiao Tong University Shanghai, P.R.China January,2009 二维视频中目标的三维轨迹检测算法研究 摘要 在计算机视觉领域，运动目标跟踪一直是一个比较热门的研究方向，目前针 对这方面的研究也比较多。这在很大程度上与运动目标跟踪在智能视频监控、基 于目标的视频压缩、虚拟现实以及辅助驾驶等领域都有比较多的应用是分不开 的。近年来，在目标跟踪领域提出了许多算法，例如提取轮廓、纹理、颜色信息 或各种利用傅里叶变换和小波变换来进行目标识别和跟踪的算法。同时，各种参 数、非参数的概率密度估计方法也被应用到了目标跟踪技术中来，其中比较典型 的就是卡尔曼滤波器（Kalman Filter）与粒子滤波器（Particle Filter）。 与此同时，二维视频中的三维信息提取技术同样是计算机视觉领域的重要研 究方向。相对于二维信息，三维信息包含更多的信息量。在运动目标跟踪的同时， 目标的三维运动轨迹可以为系统提供更多关于目标的信息。这些信息对于视频监 控、辅助驾驶等应用都会有比较大的帮助。从二维视频中提取三维信息是一个复 杂的逆过程，需要用到摄像机成像模型并对各种噪声、误差进行处理，其中摄像 机标定技术最为关键。近些年来，摄像机标定技术得到了广泛而深入的研究。 本文研究的主要目标是获取二维视频中运动目标的三维运动轨迹。本文提出 了一个自动跟踪运动目标并检测其三维运动轨迹的目标跟踪系统，该系统由运动 目标跟踪以及三维信息提取两个模块组成。文中分别对目标检测与跟踪、摄像机 成像模型、标定以及坐标反变换等做了分析和研究，并针对部分算法存在的不足 提出了改进意见以及改进方法。在这些研究的基础上，本文最终将各种改进算法 结合到一起，实现了对二维视频中运动目标的三维运动轨迹的获取。 本文提出的运动目标跟踪算法是在对混合高斯模型（GMM）与粒子滤波器 （Particle Filter）这两种数学工具的分析和研究的基础上提出来的。本文将这两 种数学工具有机地结合到一起并引入目标匹配机制，提出了一种针对视频中运动 目标的自动跟踪算法。本文提出的运动目标自动跟踪算法首先利用混合高斯模型 （GMM）进行背景建模从而实现运动目标检测，随后利用粒子滤波器（Particle Filter）对检测到的目标进行跟踪，之后对两个算法得到的目标进行匹配以实现 目标的自动融合与识别，同时也能够提高跟踪算法的鲁棒性。 本文的三维信息提取算法主要建立在对摄像机成像模型和经典摄像机标定 算法的分析和研究的基础上。本文在对上述理论进行了充分研究之后，首先通过 实验找到摄像机标定中出现较大误差的原因。随后，本文提出一种标定点坐标修 正的策略，根据标定物体的几何信息对计算机坐标系下的坐标进行修正，以尽可 能地避免由于标定点坐标的小幅度偏差导致的标定失败。最后，根据标定算法得 到的参数进行坐标反变换得到实际目标的三维坐标。 本文最后在 PC 机上利用 Visual Studio2005 以及 OpenCV 实现了上述自动 的运动目标跟踪系统。实验结果表明，该系统对于运动目标的跟踪测试效果良好。 在对于小目标以及接近背景的目标的情况下也能正确地跟踪目标。同时，系统能 够准确地计算得到目标的实际三维运动轨迹。 关键字：混合高斯模型、粒子滤波器、小目标、坐标反变换 Research on 3-D Trace Detecting of Moving Objects in 2-D video Abstract The tracking of moving objects is the hotspot of research in computer vision, which largely