基于空时关系学习的运动检测和目标跟踪研究-信息与通信工程；通信与信息系统专业论文.docxVIP

优秀毕业论文 精品参考文献资料 摘要摘要 摘要 摘要 智慧城市是国家解决当前城市发展问题、增加新的经济增长点、抢占未来科技制 高点的重要战略，其核心建设内容之一是智能交通。智能交通的关键技术大多涉及计 算机视觉。本文利用空时关系学习对复杂场景下计算机视觉中运动目标检测和目标跟 踪两个核心问题进行了技术探索，研究成果应用于智能交通之智能电子警察系统，提 高了电子警察系统对环境的适应性。对于运动目标棚0问题，分析了面对复杂场景代 表性的运动检测方法设计中存在的不足，归纳出形成复杂场景的主要因素，深入分析 了光照变化、背景扰动、相似目标、相机运动等因素对运动目标检测产生不利影响的 机理，分别提出了综合利用视频图像序列在不同层面的多个因素、利用目标局部特征 和空时关系以及利用目标与周围环境的空时置信关系等进行运动目标检测的方法；本 文还对未知目标的长时间跟踪问题进行了研究。复杂场景下的未知目标长时跟踪面临 的问题包括：目标遮挡、目标外观变化、目标尺度变化以及目标的短暂消失。深入分 析了目标遮挡以及目标外观变化等情况造成目标特征缺失或者不完整的情况下，仍可 利用的信息，分析并比较了代表性目标跟踪算法应对目标尺度变化和目标短暂消失的 处理策略，提出了一种结合目标自身特征和目标与周围环境的空时联系，可以长时间 对未知目标进行稳定跟踪的方法；最后，将以上研究成果应用于智能电子警察系统， 解决了研发过程中遇到的技术困难。本文的主要研究成果和贡献： 1．分析了视频目标检测中复杂场景的主要组成因素，提出一种基于尺度不变局 部三元模式(SII』P)的视频图像背景建模算法。根据复杂场景对视频图像序列不同 层次的不同影响，利用图像帧级、图像块级和像素级三级信息设计背景建模算法。算 法融合图像帧、图像块和图像像素三个层面的优势来应对复杂场景。在图像帧级，利 用全局灰度均值处理场景亮度突变；在图像块级，利用SILTP纹理图像基于图像块进 行背景建模，快速定位前景目标大致轮廓；在像素级，用类ViBe算法检测前景目标 精确边界。此算法挖掘空时信息并融合利用，其性能在标准视频集CDM’14上得到验 证。 2．面对视频目标检测的难点一目标自身投影的消除问题，构建了阴影光照模型， 分析了目标阴影的种类及产生的原因。将纹理信息、色调信息和空时信息与ViBe算 法相结合，提出了SAViBe+算法。首先，利用图像纹理对光照变化的弱敏感性，消 除室内弱光照产生的目标投影；然后，在HSV颜色空间构建色调(Hue)模型，利 用物体颜色的固有特性消除室外光照造成的目标投影；最后，为了加强目标投影的消 除效果，同时提高处理速度，利用像素变化的局部相关性设计了MofV因子。用标准 视频集CDM’14验证了该算法的性能。 万方数据 西安电子科技大学博士学位论文3 西安电子科技大学博士学位论文 3．提出在HSV颜色空问实现鲁棒运动检测的方法DMSTAB。在HSV颜色空问， 通过K—means聚类，利用像素集的空时关联产生像素的局部强度差，利用单高斯模型 分别为像素的局部强度差和色调建模，然后，联合两者的结果寻找潜在的阴影像素点； 接着，深入分析了ViBe背景差算法的工作原理，提出基于AdaBoost．Like方法利用 潜在的阴影像素点构建双关联背景模型，实现对运动目标快速精确的检测，有效消除 运动目标的自身投影。用标准视频集CDM’14上多种复杂场景验证了该方法的性能。 4．提出基于空时置信关系进行运动目标检测的方法STR。本文提出一种空时置 信关系，定义了像素点与其环境邻域像素点之间一种相对稳定的联系。首先，根据视 觉聚焦特性和光照影响图像亮度变化的规律，定义像素点与环境像素点的空域关系； 然后，利用快速核密度估计方法对空域关系的时域变化建模；此外，根据空域关系值 的分散度为模型分配相应的权重；最后，通过基于权重的概率综合得到像素点属于背 景的概率，完成运动目标检测。该算法性能在标准视频集CDM’14的典型复杂场景中 得到验证。 5．提出一种将目标与其环境的空时关联信息和目标自身特征结合使用，对未知 目标进行长时间、稳定跟踪的新方法LST。该方法借鉴TLD算法框架，通过检测和 跟踪两种独立途径对目标进行跟踪。算法包括检测、跟踪和学习三个功能模块。检测 模块通过若干分类器级联，根据目标自身基本的图像特征在全局范围内检测目标，处 理目标短暂消失又重现、目标尺度变化以及环境干扰；跟踪模块利用目标与其周围环 境的空时置信关系，通过局部搜索，快速跟踪目标，处理目标遮挡、目标尺度变化； 算法在运行过程中，通过维护一组由正样本组成的在线模板，对跟踪和检测效果进行 评测。学习模块依据评测结果，调整检测模块和跟踪模块相关参数，实现算法的自学 习。在若干对跟踪算法极具挑战性(严重遮挡、剧烈的光照变化、姿态