資源描述：
《視頻圖像中運(yùn)動(dòng)目標(biāo)的前景提取及跟蹤》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。
1、單位代碼：10293密級：碩士學(xué)位論文論文題目：視頻圖像中運(yùn)動(dòng)目標(biāo)的前景提取及跟蹤學(xué)號(hào)1011040906姓名江紹宇導(dǎo)師姚放吾教授學(xué)科專業(yè)計(jì)算機(jī)應(yīng)用技術(shù)研究方向數(shù)字圖像處理申請學(xué)位類別工學(xué)碩士論文提交日期2014年2月萬方數(shù)據(jù)TheprospectofmovingtargetextractionandtrackinginvideoimageThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMasterofEngineeringByJiangShaoyuSupervisor:Pro
2、f.YaoFangwuFebruary2014萬方數(shù)據(jù)南京郵電大學(xué)學(xué)位論文原創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得南京郵電大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示了謝意。本人學(xué)位論文及涉及相關(guān)資料若有不實(shí)，愿意承擔(dān)一切相關(guān)的法律責(zé)任。研究生簽名：日期：南京郵電大學(xué)學(xué)位論文使用授權(quán)聲明本人授權(quán)南京郵電大學(xué)可以保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子
3、文檔；允許論文被查閱和借閱；可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索；可以采用影印、縮印或掃描等復(fù)制手段保存、匯編本學(xué)位論文。本文電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。論文的公布（包括刊登）授權(quán)南京郵電大學(xué)研究生院辦理。涉密學(xué)位論文在解密后適用本授權(quán)書。研究生簽名：____________導(dǎo)師簽名：____________日期：_____________萬方數(shù)據(jù)摘要視頻圖像中運(yùn)動(dòng)目標(biāo)的前景提取方法與運(yùn)動(dòng)目標(biāo)的跟蹤算法一直以來都是計(jì)算機(jī)視覺領(lǐng)域的重要研究內(nèi)容，其在智能交通監(jiān)管、視頻安全監(jiān)控、導(dǎo)航等多方面都有著重要實(shí)用價(jià)值。在智能視頻監(jiān)控處理中，前景提取毫無疑問是信息提取
4、的關(guān)鍵一環(huán)，它的任務(wù)是在視頻中提取出所需的全部真實(shí)運(yùn)動(dòng)目標(biāo)并且剔除各種因其它原因而誤入的噪聲干擾及虛假目標(biāo)，顯而易見，這一步將是后續(xù)目標(biāo)的識(shí)別、跟蹤以及行為分析的前提。第三章中簡要介紹了目前常用的三大類前景提取方法：光流法、背景減除法和幀差法。并結(jié)合這些算法的各自優(yōu)劣，提出了改進(jìn)的基于動(dòng)態(tài)混合高斯數(shù)目的背景建模算法。傳統(tǒng)的混合高斯模型是背景減除法中常用的背景建模算法，其所取的高斯分布數(shù)K，一般為為3～5之間的一個(gè)固定值。可是在實(shí)際數(shù)字圖像處理的應(yīng)用場景中，K為固定值的混合高斯模型往往效果不佳。本文提出的動(dòng)態(tài)混合高斯數(shù)目背景建模算法能根據(jù)場景圖像的實(shí)時(shí)區(qū)域變化狀況，自發(fā)動(dòng)態(tài)地調(diào)整高
5、斯分布數(shù)目，從而較好的提高背景提取效果以及算法效率。視頻圖像前景提取成功之后，昭示著被跟蹤目標(biāo)在視頻連續(xù)幀序列中已被檢測出，因此第四章開始介紹了傳統(tǒng)的基于核函數(shù)的Mean-shift目標(biāo)跟蹤算法原理，并且基于Mean-shift跟蹤算法，對第三章中改進(jìn)背景建模算法提取的前景進(jìn)行跟蹤，由實(shí)驗(yàn)結(jié)果可知，傳統(tǒng)的固定核窗寬Mean-shift跟蹤算法，在被跟蹤目標(biāo)尺寸不發(fā)生剛性尺寸變化時(shí)，效果較佳。然而對于一些較復(fù)雜場景，例如不斷增大尺寸的剛性目標(biāo)的跟蹤，被跟蹤目標(biāo)由于遠(yuǎn)近距離而產(chǎn)生的視覺大小尺寸變化時(shí)，很容易導(dǎo)致跟蹤失敗。因此本文第五章提出了一種較為新穎的核窗寬自動(dòng)選取算法，用來應(yīng)對這
6、種被跟蹤目標(biāo)是不斷增大尺寸的剛性目標(biāo)的復(fù)雜跟蹤場景。該方法利用仿射模型、后向跟蹤-形心配準(zhǔn)以及特征點(diǎn)的匹配與回歸數(shù)學(xué)方法，實(shí)現(xiàn)自適應(yīng)帶寬的Mean-shift跟蹤算法，成功的跟蹤了不斷增大尺寸的剛性目標(biāo)，實(shí)驗(yàn)效果較之傳統(tǒng)的Mean-shift算法有了較顯著的提高。關(guān)鍵詞:前景提取，混合高斯模型，Mean-shift算法，仿射模型，核窗寬I萬方數(shù)據(jù)AbstractTheprospectofmovingtargetsextractionmethodandmovingtargettrackingalgorithminvideoimagehasalwaysbeenanimportantr
7、esearchcontentinthefieldofcomputervision.Intheintelligenttransportationmonitoring,videosecuritymonitoringandnavigation,itallhasimportantpracticalvalue.Inintelligentvideomonitoringprocessing,foregroundextractionisundoubtedlyakeylinkofinformati
