2024年6月14日发(作者：)

篓鲢塑塑塑塑塑≤幽蛊』笠匿基墓雹曼塑舅幽

运动目标榆测和跟踪的研究及应用

图５—８自动实现对运动目标跟踪图５－９自适应调整跟踪窗口大小

３、对车辆的跟踪，能够自动检测到运动车辆目标并进行跟踪，根据运动目

标的远近实现跟踪窗口的自适应调整。

图５～１０自动检测到车辆并进行跟踪图５－１

ｌ对车辆的跟踪

４、背景的干扰，当背景中某些景物移动时，对运动目标的检测及跟踪受到

干扰，如图５．１２

５１

运动目标检测和跟踪的研究及应用

图５—１２树叶移动对目标检测跟踪存在干扰

５．５，Ｊ、结

在智能交通的应用方面，与传统的车辆检测器相比，基于视频图像处理与视

觉技术的车辆检测跟踪具有处理速度快、安装维护便捷且费用较低、可监视范围

广、可获取更多种类的交通参数等诸多优点，因而近年来在智能交通系统中得到

了越来越广泛的应用。针对摄像头拍摄得到的交通视频图像，人们提出了很多视

频图像处理和分析技术，其中最基本的研究领域就是交通场景中车辆对象的检测

与跟踪。本文给出运动车辆实时检测跟踪实验的系统设计总体结构，并使用

ＶｉｓｕａｌＣ＋＋６．０和ＯＰＥＮＣＶ图像处理和计算机视觉函数库进行ＣａｍＳｈｉｆｔ算法的实

现，给出了程序代码及实验结果，并对结果进行了分析。

５２

运动目标检测和跟踪的研究及应用

第六章总结与展望

６．１本文工作总结

本文主要围绕运动目标检测和运动目标跟踪两个方面展开研究，并就运动目

标检测跟踪在智能交通方面的应用进行了具体介绍。

静态背景下的运动目标检测方面，对运动目标检测的技术作了较为系统的归

纳总结，介绍了各种运动目标检测方法，主要介绍了帧间差分法、光流计算法、

背景消减法，分析比较了各种方法的优缺点，并研究了基于自适应高斯背景模型

的目标检测方法，最后研究了阴影检测与去除的方法。

运动目标跟踪方面，介绍了运动目标跟踪方法的分类及几种常用跟踪方法，

并重点研究了颜色特征提取及形状特征的提取。研究了均值漂移跟踪算法，针对

均值漂移算法在目标跟踪过程中没有考虑目标实际的宏观运动，在严重干扰情况

下容易跟踪失败的问题，提出了结合目标位置预测的改进的均值漂移算法。算法

对跟踪过程中的干扰进行检测，根据目标所受干扰的强弱，采用不同的比例因子

将Ｋａｌｍａｎ滤波预测结果与均值漂移算法得到的跟踪结果进行线性组合，改进算

法有效利用了目标的空间位置信息，提高了跟踪的可靠性。在均值漂移算法基础

上，研究了连续自适应均值漂移（ＣａｒｎＳｈｉＲ）算法，该算法在跟踪过程中能够自适

应调节跟踪窗的尺度，但是局限于简单背景下跟踪。

本文结合运动目标检测跟踪在智能交通方面的应用，给出了系统设计结构

图，并使用ＶｉｓｕａｌＣ＋＋６．０和０ＰＥＮＣＶ图像处理和计算机视觉函数库进行ＣａｍＳｈｉｆｔ

算法的实现，给出了程序代码及实验结果，并对结果进行了分析。

６．２展望

本文主要研究了基于图像序列的运动目标检测与跟踪算法，给出了其在智能

交通方面的具体应用，并使用ＶｉｓｕａｌＣ＋＋６．ｏＮＯＰＥＮＣＶ图像处理和计算机视觉函

数库进行ＣａｍＳｈｉｆｔ算法的实现。

在智能交通系统中，基于视频图像技术的方法具有直观、可监视范围广、可

获取更多种类的交通参数以及费用较低等优点。但是基于视频的智能交通系统仍

５３

运动目标检测和跟踪的研究及应用

然无法避免的出现漏检和误检错误。这些错误主要来源于三个方面：（１）天气对场

景的影响。当大雾、阴天、雷雨气候的时候，车辆相对于背景的变化小，视频图像

的干扰很大。（２）光影对车辆的影响。车辆在阳光下的阴影和夜间的车灯对车辆

的检测具有非常大的影响。（３）车流量大小的影响。当车流过多，车辆运动速度慢

的时候，摄像机拍摄的角度不够大的时候，车辆也容易相互遮挡，造成漏检。（４）

背景景物的移动，当背景中增加或移动某些景物时，或者当背景中景物的位置发

生移动时，只要这些变化持续一段时间，会对车辆检测跟踪有所干扰。

未来关于智能交通系统的研究，必须首先解决上述问题对车辆的影响。早期

的系统因为硬件条件的限制，为了满足实时检测的需要，获取的车辆的统计信息

比较简单。今后的研究中一方面可以通过模式识别技术获取更为复杂的车辆信息，

例如车牌、车型等信息，另一方面可以通过与交通技术相结合，实现交通的智能

控制。

参考文献

【１］章毓晋，图像工程．北京：清华大学出版社，１９９９

［２】柯颖智．数字视频监控技术．现代电视技术，２００４（６）：１５２—１５７

［３］Ｒａｆａｅｌ

Ｃ．ＧｏｎｚａｌｅＳ著，阮秋琦译．数字图像处理（第二版）．北京：电子工业出版社，２００３

［４】林洪文，涂丹，李国辉．基于统计背景模型的运动目标检测方法．计算机工程，２００３，２９（１６）：

９７．９９

［５］宋磊，黄祥林，沈兰荪．视频监控系统概述．测控技术，２００３，２２（５）：３３．３５

［６］ＬｉｐｔｏｎＡ．Ｊ，Ｆｕｊｉｙｏｓｈｉ，Ｈ．Ｐａｔｉｌ，Ｒ．Ｓ．Ｍｏｖｉｎｇ

ｖｉｄｅｏ［Ｃ］，Ｐｒｏｃ．ＩＥＥＥＷｏｒｋｓｈｏｐ

【７］Ａ

Ｎｅｒｉ，Ｓ

Ｃｌｏｎｎｅｓｅ，ＧＲｕｓｓｏ

ｔａｒｇｅｔ

ｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄ

ｔｒａｃｋｉｎｇ

ｆｒｏｍｒｅａｌ－ｔｉｍｅ

ｏｎＡｐｐｌｉｃａｔｉｏｎｓ

ｏｆＣｏｍｐｕｔｅｒＶｉｓｉｏｎ，１９９８

８—１４

ｅｔａｌ．Ａｕｔｏｍａｔｉｃ

ｍｏｖｉｎｇ

ｏｂｊｅｃｔ

ａｎｄ

ｂａｃｋｇｒｏｕｎｄ

ｓｅｐａｒａｔｉｏｎ［Ｊ］．Ｓｉｇｎａｌ

Ｐｒｏｃｅｓｓｉｎｇ，１９９８，６６：２１９－２３２

［８］Ｖｅｔｏ

Ａ，Ｕｒａｓ

Ｓ，ＤｅＭｉｃｈｅｌｉ

Ｅ．Ｍｏｔｉｏｎ

ｓｅｇｍｅｎｔａｔｉｏｎ

ｆｒｏｍ

Ｖｉｓｉｏｎ

Ｃｏｎｆｅｒｅｎｃｅ，ＵＫ，１９８９．２０９．２１４

ｏｐｔｉｃａｌ

ｆｌｏｗ［Ｃ］．Ｉｎ：Ｐｒｏｃ

ｔｈｅ

５也Ａｌｖｅｙ

［９］Ｂａｒｒｏｎ

Ｊ，Ｆｌｅｅｔ

Ｄ，ＢｅａｕｃｈｅｍｉｎＳ．Ｐｅｒｆｏｒｍａｎｃｅ’ｏｆ

ｏｐｔｉｃａｌ

ｆｌｏｗ

ｔｅｃｈｎｉｑｕｅｓ［Ｊ】，Ｉｎｔｅｒｎａｔｉｏｎａｌ

ｆｏｒ

ｊｏｕｒｎａｌ

ｏｆｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，１９９４：１２（１）：４２—７７

【１０］Ｃ．Ｓｔａｕｏｅｒ，Ｗ．Ｇｒｉｍｓｏｎ，Ａｄａｐｔｉｖｅ

ｂａｃｋｇｒｏｕｎｄ

Ｐｒｏｃｅｅｄｉｎｇｓ

ｏｆｔｈｅＩＥＥＥＣＳＣｏｎｆｅｒｅｎｃｅ

ｌ

９９９，２４６－２５２

ｏｎ

ｍｉｘｔｕｒｅｍｏｄｅｌｓｒｅａｌ—ｔｉｍｅ

ｔｒａｃｋｉｎｇ．

ＣｏｍｐｕｔｅｒＶｉｓｉｏｎ

ａｎｄＰａｔｔｅｒｎ

Ｒｅｃｏｇｎｉｔｉｏｎ，Ｖ０１．２，

［１１］Ｓ．Ａｒｓｅｎｅａｕ，Ｊ．Ｒ．Ｃｏｏｐｅｒｓｔｏｃｋ，Ｒｅａｌ—ｔｉｍｅ

Ｐｒｏｃｅｓｓｉｎｇ，１

９９９，８６－８９

ｉｍａｇｅ

ｏｎ

ｓｅｇｍｅｎｔａｔｉｏｎ

ｆｏｒ

ａｃｔｉｏｎ

ｒｅｃｏｇｎｉｔｉｏｎ．

Ｐｒｏｃｅｅｄｉｎｇｓ

ｏｆｔｈｅＩＥＥＥＰａｃｉＡｃ

Ｒｉｍ

Ｃｏｎｆｅｒｅｎｃｅ

Ｃｏｍｕｎｉｃａｔｉｏｎｓ，Ｃｏｍｐｕｔｅｒｓ

ａｎｄ

Ｓｉｇｎａｌ

【１２］Ｈａｒｉｔａｏｇｌｕ

Ｉ，Ｈａｒｗｏｏｄ．Ｄ，ｅｔａｌ．ｗ４：Ｒｅａｌ．Ｔｉｍｅ

ｓｕｒｖｅｉｌｌａｎｃｅ

ｏｒ

Ｐｅｏｐｌｅ

ａｎｄ

ＴｈｅｉｒＡｃｔｉｃｉｔｉｅｓ，ＩＥＥＥ

Ｔｒａｎｓａｃｔｉｏｎｓ

ｏｎ

Ｐａｔｔｅｒｎ

Ａｎａｌｙｓｉｓ

ａｎｄ

Ｍａｃｈｉｎｅ

Ｉｎｔｅｌｌｉｇｅｎｃｅ，２０００，２２（８）：８０９．８３０

［１３］Ｋｉｌｇｅｒ

Ｍ．Ａ

Ｐｒｏｃｅｅｄｉｎｇｓ

ｓｈａｄｏｗ

ｈａｎｄｌｅｒ

ｉｎ

ａ

ｖｉｄｅｏ－ｂａｓｅｄｒｅａｌ·ｔｉｍｅｔｒａｆｆｉｃ

ｍｏｎｉｔｏｒｉｎｇ

ｓｙｓｔｅｍ［Ａ］．ＩＥＥＥ

ｏｎ

Ａｐｐｌｉｃａｔｉｏｎｓ

ｏｆ

ＣｏｍＰｕｔｅｒ

ｖｉｓｉｏｎ［Ｃ】，１

９９２，１１－ｌ８

Ｐａｔｔｅｒｎ

Ａｎａｌｙｓｉｓ

［１４］Ｃｕｃｃｈｉａｒａ

ｖｉｄｅｏ

Ｒ，Ｇｒａｎａ

Ｃ，Ｐｉｃｃａｒｄｉ

Ｍ，ｅｔａｌ．Ｄｅｔｅｃｔｉｎｇ

ｍｏｖｉｎｇ

ｏｎ

ｓｔｒｅａｍｓ［Ｊ］．ＩＥＥＥ

Ｔｒａｎｓａｃｔｉｏｎｓ

ｏｂｊｅｃｔｓ，ｇｈｏｓｔｓ

ａｎｄ

ｓｈａｄｏｗｓｉｎ

ａｎｄ

Ｍａｃｈｉｎｅ

Ｉｎｔｅｌｌｉｇｅｎｃｅ．２００３，

２５（１０）：１３３７－１３４２．

［１５］Ｓｏｈａｌｌ

Ｎａｄｉｍｉ，Ｂｉｒ

Ｂｈａｎｕ．Ｐｈｙｓｉｃａｌ

ｍｏｄｅｌｓｆｏｒ

ｍｏｖｉｎｇ

ｓｈａｄｏｗ

ａｎｄ

ｏｂｊｅｃｔ

ｄｅｔｅｃｔｉｏｎ

ｉｎ

ｖｉｄｅｏ［Ｊ］．ＩＥＥＥ

Ｔｒａｎｓａｃｔｉｏｎｓ

ｏｎ

Ｐａｔｔｅｒｎ

Ａｎａｌｙｓｉｓ

ａｎｄ

Ｍａｃｈｉｎｅ

Ｉｎｔｅｌｌｉｇｅｎｃｅ．２００４，

２６（８）：１０７９·１０８７．

［１６］Ｎａｔａｎ

Ｐｅｔｅｒｆｒｅｕｎｄ，Ｒｏｂｕｓｔ．Ｔｒａｃｋｉｎｇ

ｏｆＰｏｓｉｔｉｏｎ

ｏｎ

ａｎｄ

Ｖｅｌｏｃｉｔｙ

ＷｉｔｈＫａｌｍａｎ

Ｓｎａｋｅｓ，ＩＥＥＥ

ｔｒａｎｓａｃｔｉｏｎｓ

［１７］Ｖ．Ｃａｓｅｌｌｅｓ

２４４５．２４５６

ｐａｔｔｅｒｎａｎａｌｙｓｉｓ

ａｎｄ

ｍａｃｈｉｎｅ

ｉｎｔｅｌｌｉｇｅｎｃｅ，１

９９９，Ｖ０１．２

１

ｉｎ

ａｎｄ

Ｂ．Ｃｏｉｌ，Ｓｎａｋｅｓ

Ｍｏｖｅｍｅｎｔ，ＳＩＡＭＪ．Ｎｕｍｅｒｉｃａｌ

Ａｎａｌｙｓｉｓ，１

９９６，Ｖ０１．３３，

［１８］支ｌＪ铁军，肖颖杰，史泽林．一种改进的区域相关跟踪方法．山东科技大学学报（自然科学

版），２００ｌｆ２０）：４４．４８．

［１９］徐瑞鑫，刘伟宁．基于自适应模板的实时跟踪算法．光学精密工程，２００２（１０）：３６５．３６９

［２０］赵荣椿，赵忠明，等，数字图像处理导论，西北工业大学出版社，１９９９

［２１］ＰｅｔｅｒＭｅｅｒ，．Ｒｅａｌ—Ｔｉｍｅ

Ｔｒａｃｋｉｎｇ

ｏｆＮｏｎ—Ｒｉｇｉｄ

Ｏｂｊｅｃｔｓ

应用．２００４（３）：７２．７４

ｕｓｉｎｇ

ＭｅａｎＳｈｉｆｔ，ＩＥＥＥ

ＣＶＰＲ

２０００

［２２］胡明吴，任明武，杨静宇．一种基于直方图模式的运动目标实时跟踪算法．计算机工程与

５５

［２３］周宏仁，敬忠良，王培德．等．机动目标跟踪．北京：国防工业出版社，１９９１．

［２４１郑江滨，张燕宁，赵荣椿等．视频监视中运动目标的检测与跟踪算法．系统工程与电子

技术，２００２（１０）：１５３—１３６

［２５］Ｒ．Ｅ．Ｋａｌｍａｎ．Ａ

Ｎｅｗ

Ａｐｐｒｏａｃｈ

ｔＯ

Ｌｉｎｅａｒ

Ｆｉｌｔｅｒｉｎｇ

ａｎｄ

ＡＳＭＥ－Ｊｏｕｒｎａｌ

ｏｆＢａｓｉｃ

Ｅｎｇｉｎｅｅｒｉｎｇ．１

９６０（３）：３５－４５

［２６］Ｂｒｅｄｓｋｉ

ＧＲ．Ｃｏｍｐｕｔｅｒ

ｖｉｓｉｏｎ

ｆａｃｅ

ｔｒａｃｋｉｎｇ

ｆｏｒ

ｕｓｅ

Ｐｒｅｄｉｃｔｉｏｎ

Ｐｒｏｂｌｅｍｓ．Ｔｒａｎｓａｃｔｉｏｎ

ｏｆｔｈｅ

ｉｎ

ａ

ｐｅｒｃｅｐｔｕａｌ

ｕｓｅｒ

ｉｎｔｅｒｆａｅｅ［Ｊ］。ＩＩｌｔｅｌ

Ｔｅｃｈｎｏｌｏｇｙ

Ｊｏｕｒｎａｌ．１

９９８，２（１）：ｌ一１

５．

［２７］郁梅，蒋刚毅．智能交通系统中的计算机视觉技术应用［Ｊ］．计算机工程及应用，２００１，

３７（１０）：１０１－１０３．

［２８１３三春波，张卫东．智能交通系统运动车辆的视觉检测［Ｊ】．红外与毫米波学报，２００１，２０（２）：

８ｌ一８６．

［２９】陈兵旗，孙明．Ｖｉｓｕａｌ

Ｃ＋十使用图像处理专业教程．清华大学出版社，２００４

致

谢

本文是在我的导师王国宇教授的细心指导下完成的，在论文撰写的过程中，

王老师倾注了大量的心血。王老师渊博的学识、严谨的治学态度给我留下了深刻

的印象。从王老师身上我不仅学到了科学研究的方法，更学到了很多做人的道理，

这必将为我以后的工作和学习打下良好的基础。值此论文完成之际，谨向我的导

师致以深深的敬意和由衷的感谢！

感谢王栋同学在论文写作过程中给予的帮助，在此表示真诚的感谢！

特别要感谢我的家人，感谢他们在我的成长和求学的道路上一直给予的鼓励

和全力支持！

在此，也向所有关心和帮助过我的老师、同学和朋友表示真挚的谢意１

５７

个入简历、在学期间发表的学术论文

个人简历

１

９７９年１Ｏ月１日出生于山东省平邑县。

１９９８年９月考入中国海洋大学信息科学与工程学院电子信息工程专

业，２００２年７月本科毕业并获得工学学士学位。

２００５年４月考入中国海洋大学信息科学与工程学院电子与通信工程专

业攻读硕士学位至今。

发表的学术论文

［１］王虎．自动对焦原理及方法．科技信息，２００８，１３：３８

５８

运动目标检测和跟踪的研究及应用

作者：

学位授予单位：

王虎

中国海洋大学

1.学位论文

张恒娟

基于分块高斯背景的运动目标检测与跟踪技术研究

2008

本论文主要对运动目标检测、运动目标跟踪技术开展研究。运动目标的检测与跟踪是数字图像处理和模式识别以及计算机视觉领域研究的主要内容

之一，也是计算机视觉研究的一个重要领域。它在机器人导航、安全监控系统、医学图象分析和虚拟现实等领域中都有广泛应用。 本文完成的工

作包括以下三个部分： 1、介绍了静态背景下运动目标检测的三种算法，全面分析了三种算法的优缺点； 2、针对静态背景下的高斯背景差

法，通过研究如何得到、以及如何及时更新背景模型，增强运动目标检测随环境变化的鲁棒性，提出了分块的高斯背景估计方法；最后就提出的算法给

出了仿真实验，并对结果进行了分析，结果表明该算法达到了预期的效果。 3、对运动目标跟踪进行研究，包括：(1)对运动目标跟踪的三种方法

和几种常用的运动目标特征提取和匹配算法进行了介绍；(2)重点研究了基于卡尔曼滤波的目标运动追踪方法，对卡尔曼滤波器、跟踪模型做了简要介绍

；(3)最后对自适应卡尔曼跟踪模型进行了阐述，并对其进行仿真实验，将卡尔曼预测的运动位置与实际位置进行比较，最终根据卡尔曼跟踪系统得到了

物体的运动轨迹。

2.学位论文

何西华

视频运动目标检测与跟踪算法研究

2008

视频环境的运动目标检测与跟踪是当前计算机视觉研究中一个非常活跃的领域。计算机视觉研究的目标是使计算机具有通过一幅或多幅图像认知周

围环境信息的能力。运动图像序列中包含了比静态图像更多的有用信息。运动对象的检测与提取，是将视频图像序列划分成若干的运动对象，并在时间

轴上对这些运动对象进行跟踪，为以后的研究工作奠定基础，如基于对象的编码技术以及基于内容的视频检索等。目标跟踪则是随着数字视频技术的发

展及应用而产生的一个新的研究课题，其在军事以及民用等诸多领域中有着广泛的应用。 本文主要研究了基于视频序列运动目标检测与跟踪的基

本理论和关键技术。重点研究背景模型下运动目标的检测和提取，运动目标阴影的处理，以及运动目标跟踪等方面的内容。 论文首先对的相关背

景知识作了介绍。其中包括目标检测与跟踪系统中采用的运动约束假设和外部环境约束假设；目标检测技术采用的主要算法，包括静态图像中的目标检

测和运动目标检测；目标跟踪基础知识，包括跟踪的基本概念，目标的常用的四种表示方法等。 在运动目标检测研究方面，首先介绍了当前主要

目标检测和提取算法的原理，通过试验对帧间差分法和自适应背景相减法进行分析。在此基础上提出将背景减除与帧间差分方法结合的目标检测算法。

实验表明，该方法能够在较大程度上满足系统的要求，提高检测结果精度。针对阴影对目标检测造成的不利影响，最后本论文还总结了目标抑制阴影的

几种算法。 在运动目标跟踪研究方面，首先归纳了在目标跟踪中常被采用的视觉特征、统计特征、变换系数特征和代数特征；分析了目标的三种

线性运动模型；阐述了目标特征搜索匹配的主要算法，并重点研究了基于目标颜色直方图特征的均值偏移目标跟踪算法(Mean-ShiftAlgorithm)，在此基

础上提出了一种联合目标位置预测的改进的跟踪算法，通过对均值偏移算法和改进的跟踪算法通过的分析和实验比较，表明本论文的改进跟踪算法较均

值偏移跟踪算法由于利用了目标的空间位置信息，提高了目标跟踪的可靠性和有效性。

3.学位论文

郝彦斌

基于视频序列图像的运动目标检测与跟踪

2008

本文重点研究了目前运动目标检测与跟踪领域的一些常用方法，以数字图像处理技术和数字信号处理理论为基础，利用DirectShow构建了一个数字

图像采集系统，根据实际应用情况编制了运动目标检测与跟踪实验软件，为运动检测与跟踪提供了算法实验平台和优化了硬件设计方案。 在运动

目标检测方面，主要研究了帧间差分、背景差分和光流场的方法。本文根据所处理视频图像相邻帧具有相关性的特点，采用了帧间差分目标检测方法。

在差分图像之前，先对图像进行滤波和平滑等降噪处理，再进行相邻帧差分以得到运动信息。在背景差分方法中设计了统计平均法及其改进型、中值滤

波法、单高斯和多高斯混合模型法提取背景，针对不同复杂程度的背景使用不同的方法可以获得不同的效果。在介绍光流基本原理的基础上，提出了适

合计算机快速运算的光流方程迭代解法。对检测目标灰度图像采用了直方图、最大熵、最大类间方差及自适应法多种阈值分割方法，将灰度图像转化成

黑白二值图像。对目标粗糙的边缘轮廓和背景进行了数学形态学滤波，较好的除去背景噪声、提取目标轮廓，采用了投影法确定目标的位置和大小。提

出了一种操作简便、运算速度快、检测精度高、易于移植到硬件实现的算法流程。 在运动目标跟踪方面，本文详细研究了相关匹配的ABS、SSDA、

规一化和金字塔分层匹配算法，针对多点相关跟踪算法运算量大、实时性差的缺点，构建了一种改进的自适应阈值序列的SSDA模型。对模板在图像中按

螺旋方式从中心向外遍历，并且只将对应二值化模板图像中像素值为1的像素参与匹配计算，使得匹配运算点完全集中在目标像素上，减少了计算量、提

高了匹配精度和速度，同时采用模板尺寸修正及动态模板更新的方法，保证了跟踪的准确性。还研究了粒子滤波、卡尔曼预测确定运动目标下一预定位

置，使用彩色直方图特征匹配进行确认，通过实验进行了分析比较。提出差分检测与主动轮廓跟踪相结合的方法，减少了计算迭代次数、提高了计算速

度。 最后，对所研究算法进行了合理规化、优化建模，使用C++语言结合DirectShow组件，在Window XP环境的Visual Studio 2005平台上开发了

基于视频序列图像运动目标检测与跟踪系统。通过该系统对研究场景进行实验，可以在算法的可靠性和实时性上得到量化比较结果，为设计应用系统提

供了捷径。

4.学位论文

李惠松

基于时空相关性的运动目标检测和差分轮廓定位跟踪研究

2007

本论文主要研究基于时空相关性的运动目标检测和差分轮廓定位跟踪技术，以实现在固定背景下对运动目标进行检测和跟踪。 对于运动目标

检测，本文首先讨论了背景差分法、帧间差分法、光流法这三种传统的检测方法，并指出它们各自的适用范围和优缺点，然后在这基础上提出基于时空

相关性的运动目标检测方案，以便较好地解决了传统运动目标检测方法存在的一些缺陷，提高了目标检测的质量。 在运动目标跟踪方面，传统的

跟踪方法主要是基于目标模板匹配的相关法。由于目标匹配过程非常耗时，因此实际使用得更多的是相关法的改进算法，这些改进算法试图从特征匹配

和搜索范围上提高效率，并且也取得了一定的效果，出现了一些优秀的跟踪算法。但是由于算法自身的特性，相关法很难克服效率上的限制，并且对于

非刚体运动目标的跟踪难以取得比较好的效果。针对这些，本论文提出了改进活动轮廓模型跟踪算法，提高跟踪效率和质量。该算法先从帧间差分检测

结果中找出运动目标的粗轮廓，然后利用改进的snake算法对粗轮廓进行收敛，得到目标在运动过程中的正确边缘，从而实现对运动目标的跟踪。

5.学位论文

王世平

基于DSP的运动目标检测与跟踪

2007

在人所感知到的环境信息中,视觉信息占了非常大的比重,其中动态视觉信息更是其主要组成部分.感知环境中的这些动态视觉信息已成为计算机视觉

的一个重要的研究方向.运动目标检测与跟踪是应用视觉和运动图像编码研究领域的一个重要课题,在许多领域有着广泛的应用. 本文主要研究了基

于DSP的运动目标检测与跟踪问题,包括硬件平台的构建和运动检测跟踪算法软件设计与实现. 在运动目标检测部分,介绍了现有的几种常用的检测

算法,针对传统帧差算法,检测出的运动目标不够完整的缺点,进行了改进；针对传统的背景重建算法运算量大,耗时的缺点,提出基于块的背景重建,均通

过实验验证了方法的有效性. 在运动目标跟踪部分,首先介绍了Kalman滤波的基本原理,在此基础上提出了基于Kalman滤波的跟踪算法；然后详细分

析了本文目标跟踪系统所采用的波门算法,为后面系统的实现打下了理论基础. 详细介绍了基于DAM6416P图像处理平台的跟踪系统的实现, 整个系

统工作过程为DSP先对采集到的图像进行预处理,然后采用帧差法检测运动目标,接着采用基于双波门算法根据目标的质心位置来判断是否移动云台以及云

台移动方向,从而实现对运动目标的实时跟踪. 从实验数据与结果看,本文研究的跟踪系统在一定条件下能够准确、及时地检测跟踪目标,达到了预

期效果.

6.学位论文

丰丽军

公路汽车视觉导航中的运动目标检测与跟踪

2000

实时检测和跟踪前方的运动目标对路汽车避免碰撞很重要,也是视觉导航要完成的重要任务.该文通过对安装在室外行驶的车辆上的CCD 摄象机所彩

集的长序列图象的处理与分析,研究高速公路或等级公路环境下汽车视觉导航中的运动目标检测与跟踪问题.文中使用基于特征的目标检测算法和基于

3D运动模型的运动参数估计算法实现运动目标的检测和跟踪.该文还给出了模拟的和室外环境下拍摄的真实图像的实验结构.实验表明,该算法取得了满意

的运动目标检测与跟踪结果,所以这对公路汽车视觉导航中运动目标的检测和跟踪问题来说是一种可行的方法.

7.期刊论文

戴斌.方宇强.孙振平.王亮.DAI Liang

基于光流技术的运动目

标检测和跟踪方法研究

-科技导报2009,27(12)

光流技术作为一种重要的二维运动估计技术,在运动目标检测和跟踪中有着重要的作用.为了更好地将光流技术运用到实时的运动目标检测和跟踪系

统中,针对微分光流信息量丰富但计算量大、特征光流计算量小但信息量不足的现状,提出了一种基于最优估计的点匹配技术和光流均匀采样策略的光流

场计算方法,并通过对灰度化后的光流场进行自适应阈值分割、形态学滤波等处理,实现了实时的运动目标检测和跟踪.通过对图像序列取700个样本点的

仿真实验表明,该方法帧间处理时间基本小于100ms,同时基本解决了信息量和计算量的矛盾.

8.学位论文

葛庆国

基于视觉的运动目标跟踪与识别及其在智能交通系统中的应用

2004

随着汽车数量的日益增加,交通密度的大幅提高,交通紧张、拥挤问题越来越成为城市发展面临的难题.智能交通系统由于其显著的缓解交通拥挤,提

高交通效率的作用,受到了普遍的重视,而视频交通监控技术是实现这一目标的重要手段.该论文的主要研究内容为基于视觉的交通监控方法的研究,其中

主要涉及到静止背景下运动目标的检测和分割,运动目标的识别以及车辆目标的跟踪等方法的研究.论文在运动目标检测研究方面,介绍了当前几种经典的

运动目标检测算法,并对各个算法进行了实验比较和阐述了各自的优缺点.在此基础上,提出了一种改进的运动目标检测算法,并给出了实验结果.与传统阈

值选取一般根据经验人工设定阈值不同,该论文提出了一种基于三高斯模型的自适应阈值选取方法,实验结果表明该方法具有很好的分割效果.另外,该论

文还通过基于背景模型的方法对运动目标进行检测,取得了很好的检测效果.在运动目标分割研究方面,与传统的基于欧式距离的K均值聚类不同,该论文提

出了改进的基于加权平方欧式距离的聚类方法.实验结果表明收敛速度明显提高,大大增强了实时性.对于分割导致的过分割问题以及路面上车辆咬合现象

,通过运动估计的方法得到了很好地解决.在实际场景中,由于光照的原因运动目标产生的阴影会影响后面目标的识别以及跟踪.对此,该论文利用了一种简

单有效的阴影去除方法很好地去除了阴影.在运动目标识别研究方面,该论文针对行人与车辆目标具有各自不同的特点,提出了几个适合于分类的特征,并

在此基础上利用BP神经网络算法进行识别,取得了很好的实验结果.在运动目标跟踪研究方面,着重讨论了基于区域的跟踪方法,使用了基于运动目标质心

的目标跟踪方法.通过连续帧间的位移计算出运动目标的速度和方向来预测下一个时刻运动目标的质心可能处于的位置,缩小了运动目标跟踪时的搜索范

围.最后通过质心匹配获得最终的目标位置,从而跟踪到运动目标,获得了很好的实验结果.

9.学位论文

周维达

基于动态图像序列的运动目标检测与跟踪

2006

运动目标的分析已成为计算机视觉中的一个重要研究领域，尤其是对运动目标的检测和跟踪，它在军事、工业过程控制、医学研究、交通监控、飞

机导航等许多领域有着广泛的应用前景。本文以运动区域分割和跟踪为基础，研究了基于动态图像序列的运动目标分析问题。其核心内容是从动态图像

序列中检测出运动目标、并跟踪其运动轨迹，从而可获得运动目标的位移、速度、加速度等运动参数。 论文主要内容如下：首先，对运动目标的

分析方法进行了综述，分析了该领域目前的研究现状和未来可能的研究发展方向，为今后进一步深入研究提供了思路与线索。 其次，引入了细胞

神经网络概念，提出了细胞神经网络方法在图像处理中的若干具体应用，如图像恢复、边缘检测等，克服了图像噪声干扰，获得了较好的实验结果。在

实际的动态图像序列中，考虑到复杂的光照强度变化和背景自身运动等因素，提出了一种基于像素统计特性及细胞神经网络的目标分割方法。通过建立

图像每一像素点的高斯分布模型，并根据图像序列中的当前帧及历史帧信息自适应地调整模型的参数。再结合图像的帧间信息将图像从空间域映射到统

计域，在统计域中用细胞神经网络方法对其进行目标分割。通过对图像像素建立细胞近邻模型，可以获得鲁棒的运动目标分割结果。此外，细胞神经网

络是一种局部联接的反馈式神经网络，它与一般的神经网络相比，具有局部联接和动态电路性能，易于用VLSI实现。所以本文方法可在电路硬件实现上

具有广阔的应用前景。 接着，介绍了马尔可夫随机场在图像处理中的应用，以及有关马尔可夫随机场模型的构造及传统求解方法。针对动态图像

序列中背景成像过程因各种因素变化而存在的复杂性，提出了一种基于马尔可夫随机场和细胞神经网络的目标分割方法。首先根据马尔可夫随机场与细

胞神经网络能量函数的相似性，将马尔可夫随机场的最大后验概率模型映射到细胞神经网络近邻系统模型中。然后建立图像每一像素点的邻域系统模型

，并且构造相应的能量函数。为使能量函数达到快速收敛，本文利用模拟退火算法实现能量函数的极小化，以提取运动目标。 最后，提出了基于

α-β-γ滤波和卡尔曼滤波的运动目标跟踪，并对这两种方法的跟踪结果及跟踪的实时性和鲁棒性作了比较。通过分析运动目标的运动轨迹，求出运动

目标的位移、速度、加速度等运动参数。

10.学位论文

王宾

视频序列中运动目标检测与跟踪有关问题的研究

2004

该论文在熟悉相关资料的基础上主要涉及到实时视频图像采集系统的组建,静态背景下运动目标的检测与提取以及任意背景条件下的运动目标的跟踪

三方面的研究内容.在实时视频图像采集系统的建立中,介绍了视频图像采集系统的硬件和软件组成,并就采集过程中的两个较为关键的问题给出了解决办

法,即采用异步双缓存方法解决了视频图像采集中的实时性问题,并将处理后的图像数据经适当的格式转换后保存为AVI视频文件格式.在运动目标检测研

究方面,首先介绍了三种常用的运动目标检测算法,通过实验分析了三种算法的优缺点,研究了Kim的运动目标检测算法,以此为基础提出了一种改进的运动

目标检测算法,通过对Kim算法和改进后的检测算法的实验结果的分析比较,表明该论文的改进检测算法较Kim算法有更好的检测效果和更快的速度.最后该

论文还在改进的检测算法的基础上总结出了一种运动目标检测的模型——帧差灰度图像匹配加权法.在运动目标跟踪研究方面,首先介绍了几种常用的目

标特征和匹配算法,并重点研究了基于目标颜色直方图特征的均值偏移目标跟踪算法(Mean-Shift Algorithm),在此基础上提出了一种联合目标位置预测

的改进的跟踪算法,通过对均值偏移算法和改进的跟踪算法通过的分析和实验比较,表明该论文的改进跟踪算法较均值偏移跟踪算法由于利用了目标的空

间位置信息,提高了目标跟踪的可靠性和有效性.

本文链接：/Thesis_

下载时间：2010年5月2日