固定场景中运动目标检测 与运动估计跟踪-控制理论与控制工程专业论文.docxVIP

万方数据 万方数据 关于学位论文的独创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究 所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集 体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本声明的法律责任由本人承担。 学位论文作者(签名)： 日期： 年 月 日 学位论文使用授权声明 本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。 根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门 或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑州大学 可以将本学位论文的全部或部分编入有关数据库进行检索，可以采用影印、缩印 或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文 或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑州大学。 保密论文在解密后应遵守此规定。 学位论文作者(签名)： 日期： 年 月 日 摘要 摘要 摘 要 由于计算机技术、图像处理、人工智能、计算机视觉等科学研究的深入， 智能监控越发受到研究人员的关注。运动目标检测与跟踪是智能监控的基础， 从背景中快速准确地提取出运动目标并进行准确跟踪是本研究的目的。目标检 测算法对复杂背景的稳定性以及目标跟踪算法同时保持准确性和实时性成为研 究课题。 本文以固定场景中运动目标为研究对象，研究了运动目标的检测与跟踪， 主要工作以及研究结果如下： 本文首先介绍了几种视频中运动目标的检测方法和图像数学形态学处理方 法。对数学形态学后处理过程中结构元素大小的选取进行了讨论，并对比几种 运动目标检测方法的算法实时性和准确性。基于对比结果，综合高斯混合模型 背景建模法和帧差分法的优点，规避各自的缺点，给出了一种基于渐消特征描 述子的高斯混合模型算法。该算法围绕高斯混合模型进行改进，通过对单帧图 像进行特征描述，确定帧图像的复杂性，经过非极大抑制后，引入掩模思想建 立像素点之间的空间相关性，采用具有渐消因子的特征描述子解决像素点的时 间相关性问题，使得改进的高斯混合模型算法能够根据场景复杂度自适应调节 模型个数。随后与帧差分法相结合，根据场景的稳定度合理降低模型个数，减 少计算冗余。 其次，概述了贝叶斯框架下的最优估计方法。计算机视觉跟踪可以理解为 对后验概率进行求解，基于贝叶斯框架的 KF、UKF 及 IMM 能够求解后验概率， 从而实现基于运动估计的目标跟踪。对比了 KF、UKF 和 IMM 的跟踪性能，针 对运动目标非线性和运动模型误差问题，尝试使用 UKF 解决目标方程非线性问 题、使用 IMM 解决运动模型误差问题，保证对视频目标跟踪的精度。随后对 IMM 模型集选取进行了讨论。 最后，介绍了两种常用的自适应采样周期算法，基于自适应采样周期算法， 针对视频目标位置近似过程中过多舍弃有用信息的问题，研究了一种使用运动 目标面积变化率和位置预测协方差共同表征目标机动特征的方法。使用运动目 标面积变化率表征非刚体目标的运动姿态变化，降低单独依靠滤波残差调整采 样周期产生的滞后性问题。并通过比较分析残差，选用计算量更小、对模型误 I 差更灵敏的预测残差作为目标非机动状态下采样周期的调节依据。仿真实验表 明在确保所需跟踪精度的条件下，降低了平均采样周期，节省了系统资源。 关键字：目标检测；高斯混合模型；目标跟踪；交互多模型 II Abstract Abstract Abstract Due to the computer technology, image processing, artificial intelligence, computer vision and other scientific research, intelligent monitoring more and more attention by researchers. Moving object detection and tracking is the base of intelligent monitoring, and it is the purpose of this study to extract the moving objects quickly and accurately from the background. Target detection algorithm for the stability of the complex background and target tracking algorithm to maintain the accuracy and timeliness of the research to