登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 毕业论文 > 电子信息类 > 电子科学与技术 > 正文

基于OPENCV的视频目标跟踪系统设计毕业论文

 2020-04-11 17:53:10  

摘 要

论文基于 OpenCV 图形库,在 Windows 平台上通过C 语言设计视频目标跟踪系统的整体框架。论文首先研究并比较了几种主流的滤波方式,在文中有详细介绍,例如高斯滤波、中值滤波,其中重点是对算法思路进行说明,为了获得更加清晰的目标,并为此系统对视频目标的处理提供了便利的条件。利用目标检测算法和角点提取可实现视频物体的跟踪,因此可解决效率低和运算量过大等问题。此论文视频目标检测和跟踪算法选择了基于多项式展开的帧间估计。图像特征提取的主要方式则选用了Harris 角点检测法。先将视频图像输入此系统,然后转化为灰度图,以便进行特征提取;接下来系统会确定兴趣区域并抓取目标点,然后提取兴趣目标的内角点坐标参数;最后系统会确定角点的新坐标,并定位目标在下一帧的位置,因此系统实现了对视频目标的跟踪。根据实验结果,可以看出:此系统会对视频目标进行选择,提升了系统的鲁棒性和准确性,此系统不仅能够适应复杂的环境条件,而且能准确的提取角点。

关键词:视频目标跟踪;算法;角点

Abstract

Based on the OpenCV graphics library, the paper designs the overall framework of the video target tracking system through the C language on the Windows platform. The paper first studied and compared several mainstream filtering methods, which were introduced in detail in the article, such as Gaussian filtering and median filtering. The emphasis was on the description of the algorithm, in order to obtain a more clear goal, and to this end the video target. The treatment provides convenient conditions. The use of target detection algorithms and corner extraction can achieve tracking of video objects, and therefore can solve problems such as low efficiency and excessive computation. In this dissertation, the video target detection and tracking algorithm chooses inter-frame estimation based on polynomial expansion. The Harris corner detection method was chosen as the main method for image feature extraction. First enter the video image into this system, and then convert it into a grayscale image for feature extraction. Next, the system will determine the interest area and capture the target point. Then, the internal corner coordinate parameters of the interest target will be extracted; finally, the system will determine the corner point. The new coordinates, and the location of the target in the next frame, so the system to achieve the tracking of the video target. According to the experimental results, it can be seen that this system will select the video target and improve the robustness and accuracy of the system. This system can not only adapt to the complex environmental conditions, but also accurately extract the corner points.

Keywords: video target tracking; algorithm; corner

目录

摘 要 I

Abstract II

第1章 绪论 2

1.1研究背景 2

1.2国内外研究现状 3

1.3本文研究内容 4

第2章系统相关技术 5

2.1目标检测法 5

2.1.1光流法 5

2.1.2帧间差分法 5

2.1.3背景消减法 6

2.2图像滤波方式 6

2.2.1主要滤波方式 6

2.2.2双边滤波法 8

2.3均值漂移理论 9

2.3.1密度估计理论 10

2.3.2参数密度估计 10

2.3.3无参密度估计 10

第3章 系统总体设计 12

3.1软件的设计与实现 12

3.1.1软件框架的设计 12

3.1.2软件框架的实现 14

3.2软件主要功能及算法实现 16

3.3图像的采集 17

3.4目标检测与分割模块的建立 18

3.5目标检测与分割的算法实现 18

3.6目标跟踪模块的建立 19

3.6.1目标跟踪的算法实现 19

3.6.2卡尔曼滤波算法设计 20

第4章实验结果分析 21

4.1系统简介 21

4.1.1系统实物图 21

4.1.2软件界面与功能 22

4.1.3软件菜单结构 24

4.2软件测试结果分析 25

4.2.1目标检测结果 25

4.2.2目标跟踪结果 25

第5章总结 27

5.1论文工作总结 27

参考文献 28

致谢 29

第1章 绪论

1.1研究背景

随着现代科技的不断发展,计算机的普及以及人工智能的进步,现代社会的人们每天会接收到大量的,源源不断的信息。现如今,我们处在信息社会的巅峰时代,我们的社会由各种各样的信息组成,通过不断更新的信息而发展,通过无以计数的信息沟通交流。而这些信息一个关键的组成部分--图像对于我们人类是尤为重要的。世界由各种各样的图像来显示给人类,人类通过视觉来认知和观察世界。

在日常生活中,视频监控的使用极为普遍,无论是车站,道路,银行超市等一系列区域,我们都可以看到有视频监控的存在,视频监控早已成为记录社会生活,维护社会治安和提供信息参考的主要方式之一,但由于大多数的视频监控需要人工完成,视频监控系统还不能自动提取特定目标,这样不但白白消耗了人力和浪费了视频记录的信息,也导致了我们无法及时处理和分析视频信息,找出有用的信息来帮助我们处理问题。所以,未来让视频监控智能化是我们研究的大方向。随着大数据的广泛应用和视频目标跟踪技术的快速发展,视频监控的智能化的实现指日可待。大数据有以下三个特点:大量化、多样化、快速化[1]。多种信息载体提供的非结构数据越来越多,信息的流动性也越来越强。大数据的特点则很适合对视频信息进行快速并有效的判断。另一方面,智能技术的应用主要基于图像序列视频中运动目标的分析,就是从一组连续的视频序列图像中提取特定目标,并对其识别、检测以及跟踪,进一步的记录下目标行为和运动轨迹。现在对于视频目标跟踪系统的通用性、鲁棒性和实时性的要求不断提高,例如运动目标检测的高准确度,区分背景和前景,对于相互遮挡的目标判定等一系列问题仍然亟待研究和解决[2]。怎样快速而又准确地识别目标物体,怎样更好的对目标物体进行跟踪和检测,也将是此论文研究的主要课题。

1.2国内外研究现状

SCR-28 是世界上第一部跟踪雷达站,在1937 年建立成功,自此目标跟踪技术就已经应用在军事上了,这也是人类第一次使用目标跟踪技术。1955 年瓦克斯率先提出了多目标跟踪的基本概念,目标跟踪的研究因此又有了一定的发展。但是直到上个世纪七十年代,有人在目标跟踪领域成功应用了卡尔曼滤波理论之后,它才真正引起研究者们的浓厚兴趣和频繁关注[3]

近年来随着信息技术的快速发展,软件和硬件处理设备的性能的不断提升,以及接口的编码和简化完全满足了可编程目标跟踪设备的实时性,这些案例的成功是的目标跟踪系统的飞速发展拥有了良好的外部环境。在这二十年中世界多位学者专家的共同努力下,目标跟踪的理论和方法也有了极大的进步,并且各种各样的新型目标跟踪系统也层出不穷并在原来的基础上不断改善。专家学者们对于目标跟踪系统进行了大量的研究工作,并获得了一系列的重大成果。例如粒子滤波[12]、扩展卡尔曼滤波[11]、多速率处理[14]、多模型[13]等技术。现如今,因为视频目标跟踪技术拥有极高的应用价值,所以它在世界范围内被广泛的应用,视频目标跟踪技术依然是当今世界上备受关注的热门领域之一,另外,视频目标跟踪技术被许多重要的国际会议以及著名的国际期刊作为主题内容之一,从而视频目标跟踪技术的研究人员有了广泛的交流平台。如 关于图像处理的IEEE事务,关于模式分析和机器智能的IEEE事务,计算机视觉和模式识别,模式识别,图像和视觉计算等。在实际应用中,西方发达国家的起步较早,他们对视频目标跟踪技术的发展也更成熟。1996年美国国防高级研究计划局(DARRA)联合塞维 SARNOFF 研究中心和卡内基梅大学(Carnegie University)历时三年在1999年研制出 W4 系统[15](Who When Where What)。此系统被用于极其危险的环境或者人力无法实现的情况下。DARPA 在2008年研发了实时流视频目标监视技术,它能迅速从监控视频中捕捉并分析人的行为动作,如握手、举手、敬礼等等。2009年,欧盟的一个研究机构 EULTR ( European Union Long Term Research)联合法国国家计算机科学和控制研究院、比利时卡托莱克大学等欧洲著名大学研发了一款视频监控系统专门为司法机关提供图像分析和处理等服务,此系统成功的从录像资料中取得了许多有用的犯罪证据,为维护司法正义提供了莫大的帮助。

另一方面在国内,我国对于视频目标跟踪技术的研究相对较晚,直到上个世纪六十年末期才开始对这一领域才有涉足。随着我国科学技术的腾飞和科学家们历时40多年的不懈努力,我国终于在这一领域取得了一些突破和成果。诸如清华大学、国防科技大学、上海交通大学、西北工业大学等知名高校以及众多研究机构例如中国科学院自动化研究所等都积极加入了视频目标跟踪技术这领域的研究行列。国内学者提出的基于立体匹配技术的光流算法等优化算法。目前目标跟踪系统技术被应用于许多重要的民用和军用领域当中,例如交通事故处理与分析、人类运动分析、实时监控和空对空导弹制导等领域内。不过我国的视频目标跟踪系统技术与西方发达国家有着明显的差距,尤其是在处理数据能力和智能化程度上,这一点我们应当正视。另外在实时性,稳定性,数据同步等方面还需加强,这些研究对我国的科学技术发展以及冲破外国技术封锁有着极为重要的意义。

1.3本文研究内容

本文首先介绍并对比了几种经典的运动目标分割理论(局部阈值法和全局阈值法)、目标跟踪理论(卡尔曼滤波法和均值漂移法)和目标检测理论(帧间差分法、背景差分法和光流法)。在深入分析传统算法之后,本文将会在空域上利用图像逼近的方法处理视频目标还有利用图像边缘变化较大的曲率点提取目标物体系统的核心架构。根据实际情况进行具体分析后,本文将选择最为合适的一种算法完成视频目标跟踪系统设计并会解决遮挡目标等问题。本文在Windows系统中,搭建以C语言为系统的编程环境,基于OpenCV完成整个视频目标跟踪系统的设计。本次设计将会用到计算机一台、开源计算机视觉库 OpenCV和 Visual C 开发软件。此系统包含以下几个主要理论或技术:双边滤波,光流法,全局阈值法,基于多项式展开的帧间估计等。

第2章 系统相关技术

2.1目标检测法

从视频图像序列中将运动目标物体或区域从其所在的背景视频中提取出来的方法被称为目标检测法,它是视频目标跟踪的大前提和基本环节。而在现实情况下,由于有运动目标影子、遮挡现象以及光照强度的变化等环境干扰因素的存在,这就给精确检测运动目标物体带来了很大的挑战,并且分割图像的精确与否也会给整个系统的性能带来很大的影响。目前,目标检测法主要分为三种:光流法、帧间差分法、背景消减法。

2.1.1光流法

光流指的是一种描述图像运动的速度场[4],而光流法则是是一种空域检测方法:利用图像序列中的像素大小的时域变化和相关性来描述像素位置运动轨迹的算法。光流场指的图像中每一点的光流运动形成了一种灰度模式的表面运动。光流法包括了实时图像中的各个像素点的瞬时移动速度的二维矢量参数,即是方向和大小。如果在图像中各个点静止,矢量在这整个区域的变化有连续性,当目标物体在图像中存在相对运动,其邻域矢量必然会存在一定差异。光流法能够精确地提取目标,而且不受摄像机静止或者运动的影响,在理论上这有重要的价值。但是光流法需要每帧都计算光流场,使得运算时间长,复杂度也将增大,并且它对噪声有较强敏感性,所以它的实时性以及实用性都会遭受到了极大的限制。

2.1.2帧间差分法

以上是毕业论文大纲或资料介绍,该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取,微信号:bysjorg。

相关图片展示:

您需要先支付 50元 才能查看全部内容!立即支付

微信号:bysjorg

Copyright © 2010-2022 毕业论文网 站点地图