智能视频监控中基于粒子滤波的目标跟踪系统研究

《智能视频监控中基于粒子滤波的目标跟踪系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、武汉理工大学硕士学位论文摘要智能视频监控是采用计算机视觉的方法，对视频内容进行自动的分析，对特殊的目标类型和行为能够自动识别，对可疑的事件能够自动发现并提供报警，做到预防性主动监控。智能视频监控技术在军事、民用等领域有着很重要的实用价值。运动目标跟踪是智能视频监控技术中的一个重要内容，是对目标进行行为分析从而实现智能视频监控应用的基础，对目标跟踪技术的研究有重要的意义。目标跟踪的难点在于目标突然运动、背景突然改变其外部表现形式、目标的非刚性结构、目标和目标之间的遮挡、目标和背景之间的遮挡等。本文主要研究复杂背景下的运动物体的跟踪，旨在提出一种具有较好的实时性、准确性和

2、鲁棒性的运动目标跟踪方法。本文以目标跟踪为研究内容，以粒子滤波为研究方法，实现了粒子跟踪算法，并进行了算法优化。主要工作和贡献为：1)基于粒子滤波目标跟踪算法的研究与实现。研究了粒子滤波方法的相关理论，将粒子滤波的基本方法运用到视频图像中的目标跟踪上。详细描述了算法流程，建立运动模型解决粒子更新以及根据粒子的权重解决粒子重采样等问题，实现了基于粒子滤波的运动目标跟踪。2)算法的优化。为了解决跟踪中的难点问题，提高算法效率，本文对算法进行了多方面的优化，主要体现在以下方面：(1)采取积分图的计算方法，加快直方图的运算速度，提高了算法效率：(2)将目标前景应用到粒子滤波的

3、跟踪方法中，解决跟踪中背景相似、非目标遮挡的问题；(3)．对目标进行分段统计。分别统计目标的上半身和下半身的颜色直方图，并对直方图进行亮度补偿，更精确的表达目标。在解决因环境变化带来的目标直方图变化的问题时体现了其优越性；(4)对目标进行互遮挡判断，解决目标间的相互遮挡问题实验证明，优化后的粒子滤波算法较好地解决了跟踪中背景干扰、光照变化、障碍物遮挡、目标互遮挡等难点问题。关键词：视频监控目标跟踪粒子滤波积分图前景分割武汉理工大学硕士学位论文AbstractIntelligenceVideoSurveillance(rvs)usingcomputervisionmet

4、hodtoactualizetheanalysisofvideocontent．Itcanid饥tiQspecialobjectoractionandalarmwhenitfoundsuspcaobjecttoactualizepreventivesurveillance．IVStechniquehasimportantappliedvaluebominmilitaryandcivilaffairs．Objecttrackingisacrucialcomponentofmonitoringsystem．Thetrackingresultaffectthebehavio

5、ralanalysiswitchisthebasedofIVSapplication．Thestudyonobjecttrackingtechniqueismeaningful．Difficulttrackingproblemsincludesobjectnon—rigidstrucRa℃,objectanomalousmovement,objectcharacteristicchangeandmutualmaskofobjectsorshelterbetweenobjectandobstacleetc．Thispaperstudiesontheobjecttrack

6、ingundercomplexⅨ冷ne'forthepurposeofproposingatrackingmethodthatiseffectiveandhasgoodaccuracyandrobust．Thisarticletakestheobjecttrackingastheresearchbackgroundandparticlefilter(PF)asthestudyobject,realizesthetrackalgorithmbaseonPFandcalTiesonthealgorithmoptimization．Theprimetaskincludes：

7、1)ThestudyandimplementationofthetrackingalgorithmbasedonPEDoresearchoncorrelationtheodesofPF，thanusethemonvideoimagetorealizetrackingalgorithm,describethealgorithmflowindetail，establishmovementmodelandsolveproblemsparticleupdateaswellasparticlere-sampling．2)Algorithmoptimizatio