复杂动态场景中运动目标检测与跟踪算法研究-计算机应用技术专业论文.docx

Classified Index: TP391.41 U.D.C: 681.39 Dissertation for the Doctoral Degree in Engineering STUDY ON ALGORITHM OF MOVING OBJECT DETECTION AND TRACKING IN COMPLICATED AND DYNAMIC SCENES Candidate： Zhong Bineng Supervisor： Prof. Yao Hongxun Academic Degree Applied for： Doctor of Engineering Speciality： Computer Application Technology Affiliation： School of Computer Science and Technology Date of Defence： September, 2010 Degree-Conferring-Institution： Harbin Institute of Technology 摘要 摘 要 ‐ ‐ I ‐ 摘 要 近年来由于严峻的公共安全形势，智能视频监控作为安防领域中最核心的技 术之一，得到了广泛应用。智能视频监控的目标是利用信号处理、图像处理、模 式识别、机器学习、计算机视觉、人工智能，数据挖掘以及多媒体检索等学科的 技术，对采集到的视频进行自动地分析处理，发现监控场景中存在的潜在危险、 违规行为或者可疑目标，并对这些行为和目标进行实时报警、提前预警、存储以 及事后检索。其研究内容从底层至高层包括：图像预处理、背景建模、运动目标 检测、目标跟踪，物体识别和分类、场景语义理解、行为分析以及大范围场景监 控中多摄像机之间的联动等。其中运动目标检测与跟踪是智能视频监控系统中的 两个核心部分，是实现智能视频监控应用的基础，因而得到了研究者的广泛关注 并且积累了大量的研究成果，但实践表明复杂动态场景中的运动目标检测与跟踪 算法还远未成熟。特别是真实监控场景中运动目标的快速检测、物体的姿态、尺 度、表观和光照的变化，非刚性运动、物体自遮挡和物体之间互遮挡的处理，动 态场景（云、烟、雨、雾、阴影、波浪、喷泉、随风摆动的树叶和摄像机的抖动） 等给运动目标检测与跟踪的研究带来了极大的挑战。本文针对这些问题进行了研 究，包括动态场景中的运动目标检测与分割、基于分块表观模型和局部背景估计 的自适应视觉目标跟踪、以及从多个不是很完美的预言中进行弱监督学习的视觉 目标跟踪等。本文主要工作和贡献如下： 1．研究了动态场景中的背景建模与运动目标检测。动态场景中存在的挑战 主要包括：随风摆动的树叶、波浪、阴影、光照变化、摄像机抖动、云、烟、雨 和雾灯。通过对动态场景的数据进行分析，我们发现动态场景中相邻像素之间存 在着空间域上的关联性，即一种共生关系，如果能够有效地描述这种共生关系或 对其进行建模，我们将可以实现鲁棒有效的背景建模和运动目标检测。因此，本 文研究了如何对动态场景中相邻像素之间的共生关系进行建模，提出了基于纹理 和运动模式融合的运动目标检测算法、基于标准差特征的运动目标检测算法、以 及基于局部前景/背景标记直方图的运动目标检测算法。实验结果验证了所提出 算法，在显示考虑动态场景中相邻像素之间共生关系的情况下，能够实现鲁棒有 效的背景建模和运动目标检测。 2．提出了一种动态场景中，基于背景剪除驱动种子选择的运动目标的自动 ‐ ‐ II ‐ 精细分割方法。该方法首先应用一种新的背景剪除方法作为注意选择机制，所提 出的背景剪除方法融合了基于像素和基于图像块的背景建模方法的互补特性，因 而能够在保证生成尽可能少虚警数和漏检数的前提下，生成尽可能多的前景像素， 然后提取前景像素的连通区域。为了得到更为精细的分割目标，我们进一步根据 一定的启发式规则，将连通区域和及其周围邻域内的像素分为前景种子像素、背 景种子像素和未标记像素。之后使用基于封闭形式的抠图算法，对包含运动目标 的连通区域及其周围邻域进行更为精细的分割，这是一种自上而下的启发式抠图 和分割方法。实验结果表明，本文所提出的方法能够产生较好的分割效果及较快 的分割速度。 3．提出了一种基于分块表观模型和局部背景估计的自适应视觉目标跟踪算 法。近年来，为了在复杂动态环境下，实现鲁棒的视觉跟踪，在线构建自适应的 目标表观模型引起来越来越多学者的关注。然而，基于自适应表观模型的跟踪方 法，有一个固有的“漂移”问题，也就是说在在线更新目标表观的过程，由于跟 踪累积误差造成了目标模型会最终脱离真正要跟踪的物体。为了缓解视觉跟踪中 的“漂移”问题，同时为了有效地对目标进行遮挡和干扰判断，我们提出了基于 分块表观模型和