基于OpenCV的运动目标检测技术

基于OpenCV的运动目标检测技术作者：程哲，陈和平作者单位：程哲(武汉科技大学,信息科学与工程学院,武汉,430081;中国科学技术大学,软件学院,江苏,苏州,215123)，陈和平(武汉科技大学,信息科学与工程学院,武汉,430081)刊名：四川兵工学报英文刊名：SICHUANORDNANCEJOURNAL年，卷(期)：2009，30(11)引用次数：0次参考文献(7条)1.李乃安,欧阳宁,党明.实时目标检测与跟踪系统的设计与实现[J].激光与红外,2008,38(1):88-91.2.HornSchunk.DeterminingOpticalFlow[J].ComputerVision,1981,17:185-203.3.Sen-Ching,CheungS,ChandrikaKamath.Robusttechniquesforbackgroundsubtractioninurbantrafficvideo[C]//ProceedingsofElecrtonicImaging2004.VisualCommu-nicationsandImageProcessing.SanJose.:[s.n.]:2004:881-892.4.StaufferC,GrimsionW.Adaptivebackgroundmixturemodelsforreal-timetracking[C]//ComputerVisionandPatternRecognitionCO.USA:[s.n.],1999:246-250.5.刘亚,艾海舟,徐光佑.一种基于背景模型的运动目标检测与跟踪算法[J].信息与控制,2002,4(31):315-319.6.魏仲慧,何昕,郝志航.多目标的实时性连通性分析方法[J].光学精密工程,1995,3(4):23-25.7.张丙军,何红,张冲.分布式多传感器多目标航迹关联处理算法研究[J].兵工自动化,2008,27(12):24-26.相似文献(10条)1.学位论文陈焕钟基于混合高斯模型的视频运动目标检测算法研究2008计算机视觉、智能视频监控领域，视频图像的运动目标检测结果，将对运动目标分类、跟踪及行为理解等后续处理产生重要影响。对目标进行有效分割是序列图像分析的基础性工作，是当今国内外学者研究的热点问题。本文主要对复杂场景的背景建模与运动检测进行了较为深入的研究。本文首先对自适应混合高斯模型进行了详细分析，针对传统混合高斯模型背景更新速度较慢的缺点，提出了一种新的背景更新算法，加快了背景模型的建立，使其更加及时地反映背景的动态变化，同时提出了预防缓慢运动目标过快融入背景策略。当场景中背景和前景发生转化时，运动目标检测结果中会产生不合理的长时间静止的运动目标，即影子问题。本文在分析产生影子原因的基础上，利用像素的灰度梯度信息对影子进行去除，保证运动目标的正确提取。对于场景中光照发生突变时，由于大部分背景像素偏离背景模型分布而造成前景误检的问题，本文利用帧间差分法对光照变化不敏感的性质，在光照发生突变时用其代替背景减除法，有效地提取了运动目标。最后，本文研究了阴影的产生的原因以及特性，并比较多种阴影检测算法的优缺点，在保证算法实时性的同时，利用混合颜色空间阴影检测方法，对阴影进行了有效检测和去除。实验结果表明，本文提出的运动目标检测算法能够较好地提取出运动物体。2.期刊论文王辉基于混合高斯模型与差分法的运动目标检测-科技风2009(1)视频监控涉及计算机视觉、模式识别和人工智能等多个领域,它是指在不同环境下对人和车辆进行的实时观察,根据观察对象的动作、行为进行分析,为用户提供信息.视频监控过程分为运动目标检测、目标跟踪、目标分类和目标分析.3.学位论文张金花运动目标跟踪算法的研究2009运动目标跟踪技术是计算机视觉领域的核心研究课题之一，是一项融合图像处理、模式识别、人工智能、自动控制等多个领域的高技术课题，同时也是实现智能机器人和智能化武器的关键技术之一，在军事指导、视觉导航、安全监控、智能交通、视频编码、医疗诊断和气象分析等领域有着广阔的应用前景和实际意义。本文对运动目标跟踪算法作了深入分析，简述了目前比较典型的几种跟踪算法-基于活动轮廓的跟踪，基于相关的跟踪和基于特征的跟踪。运动目标的提取是目标跟踪的关键，如果提取的目标不正确或不完整，后续的目标跟踪任务可能不能有效跟踪。本文先分析了经典的基于混合高斯模型的运动目标检测算法，由于经典算法在繁忙场景中对运动目标分割不完整，已有很多基于混合高斯模型的改进算法，本文采用由本实验室研究人员提出的一种改进的基于混合高斯模型的运动目标检测算法，该算法在繁忙场景可以很好地分割出完整的运动目标，本文在此基础上进行了相关的跟踪研究。粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法，在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势，本文利用改进的混合高斯模型对监控场景进行建模，再通过粒子滤波器对建模后的场景目标进行跟踪，提出了一种基于改进型混合高斯模型和粒子滤波器的人体运动跟踪的新方法，通过对户内外场景的实验，该算法在光照干扰，树木摆动和阴影干扰的条件下能够成功的跟踪运动目标，证明了算法的有效性。4.期刊论文陈祖爵.陈潇君.何鸿.CHENZu-jue.CHENXiao-jun.HEHong基于改进的混合高斯模型的运动目标检测-中国图象图形学报2007,12(9)针对现有方法在复杂多变环境下不能很好地检测出运动物体的问题,提出了改进的基于混合高斯模型的背景消减法,并对运动目标进行检测.模型初始化时,提出了一种能准确得到实际背景模型的方法;在模型更新中引入了加速因子和合理性反馈使得模型能更快、更准确地反应真实的背景.实验结果表明,同传统检测方法相比,改进的混合高斯模型方法能有效地消除物体发生运动时产生的拖影,并能很好地检测出运动物体.5.学位论文赵俊智能视频监控系统关键技术研究2007视频运动目标检测和跟踪技术是智能视频监控的关键技术。本文基于这两个方面展开研究。在运动目标检测方面，本文对帧差法进行了改进，提出了基于梯度信息的三帧差分的视频运动目标检测的方法。另外，分析了混合高斯模型的理论和常用近似算法的优缺点，给出了该方法的具体实现并将该方法应用于视频运动目标检测。最后，针对混合高斯模型检测结果易受阴影影响的问题，研究了目标检测过程中阴影抑制的方法。通过实验验证了本文提出的阴影抑制算法的有效性。在运动目标跟踪方面，重点讨论了卡尔曼跟踪算法和MeanShift算法的理论和实现。考虑到视频监控的复杂性和特殊性，本文混合使用卡尔曼跟踪算法和MeanShift算法，提出了一种稳健的跟踪视频目标的方法。本文最后给出了一个基于开放源码的视觉处理库(OpenCV)的视频监控系统实现框架。通过采用DirectShow技术使图象采集、处理、显示的整体运行效率得到大幅度提高。本文还利用VC++和OpenCV软件平台设计了监控系统的演示环境，初步验证了系统算法的可行性和可实现性。6.学位论文李恒晖复杂背景动态建模与粒子滤波跟踪方法2009近些年来，随着各种恐怖袭击事件和民航安全事故接连不断的出现，社会对公共安全的需求比以往更加强烈，视频监控技术受到前所未有的关注。如何提高视频处理的智能化度、拓展其应用领域、提高系统的性能已经成为研究和应用领域的一个热点。复杂条件下的视频图像分析又是其中的一个突出方面，其处理结果的优劣直接影响到后续的视频理解。本论文主要对视频监控相关的关键技术进行研究，研究内容涉及在复杂场景下的目标检测和目标跟踪两个方面。目标检测方面，首先介绍了目前运动目标检测领域常用的几类算法，并阐述了这些算法应用于不同场景时的优缺点。接着，本文对混合高斯背景建模方法展开了深入地研究。最后，本文针对混合高斯模型对光线变化较为敏感、模型冗余度过高等问题提出基于GVF-Snake模型的多约束混合高斯模型法，并通过实验结果证明了本文方法在复杂背景下的有效性。目标跟踪方面，主要研究了基于颜色粒子滤波的多目标跟踪方法。首先，本文介绍了粒子滤波理论以及其实现方法，利用粒子滤波理论来解决目标跟踪问题，构建基于粒子滤波的跟踪框架。随后，针对基于颜色特征的粒子滤波方法存在的问题，提出了基于颜色和纹理信息融合的遗传粒子滤波方法，并通过实验仿真验证本文跟踪方法的有效性。最后，本文分析了目标常态与异态情况下跟踪的维持，并初探了目标的出现、消失、合并以及遮挡问题。在此基础上，引入了最近邻数据关联和信任度理论，并针对目标不同的异常情况进行实时的检测和处理。7.期刊论文王威.张鹏.高伟.王润生.WANGWei.ZHANGPeng.GAOWei.WANGRun-sheng基于局部层次化混合高斯模型的视频序列运动目标检测-信号处理2009,25(5)在视频分析的过程中,背景建模和运动目标提取是一个非常重要的问题.混合高斯模型是进行背景建模常用的模型之一.但是单纯运用混合高斯模型进行运动目标提取的效果并不是非常理想.本文提出了一种自上而下的局部层次化混合高斯模型,该算法首先确定更新区域,然后在区域中运用分块的混合高斯模型和点像素混合高斯模型进行背景建模和目标提取.实验表明该方法具有较好的处理效果,同时也提高了处理的时间效率.8.学位论文全晓臣智能视频监控中的运动目标检测和跟踪技术研究2008智能视频监控作为图像处理和计算机视觉领域中一个涉及多学科的研究前沿，有极其重要的科学意义和广阔的应用前景。运动目标检测和跟踪是智能视频监控中最基础的两项核心技术，它们是后续的各种高级处理，如目标分类及行为分析、事件检测、行为识别、视频图像的压缩编码和语义索引等高层次的处理和应用的基石，也是视频监控系统自动化、智能化和实时应用的关键。探寻能够从容应对复杂环境的各种变化，精确、快速而稳定地检测和跟踪运动目标的算法实现仍然是当前亟待解决的课题。本文以实现智能化视频监控系统这一背景为基础，重点针对智能视频监控系统中运动目标的检测和跟踪这两个关键技术进行研究，以期获得满足智能视频监控更为可靠和实用的算法。主要包含了以下几个方面的工作：对运动目标检测的算法进行了总结，并对基于混合高斯模型的背景差除法进行了深入的分析，从基本理论到具体应用的简化做了阐述。并通过实验验证了混合高斯模型在处理多模态背景时的有效性。概述了阴影消除的算法，并具体分析了一种基于HSV空间的阴影检测方法。对粒子滤波进行了深入的分析，并阐述了粒子滤波用于目标跟踪的基本算法框架。对多线索融合的跟踪方法进行了分析。在粒子滤波的框架下，提出了一种自适应融合颜色线索和角点线索的跟踪方法。实验结果证明，多线索融合的方法比单一线索具有更好的稳定性，能处理有效抑制光照突变和背景混入等影响。对目标跟踪中的遮挡问题进行了分析，概述了遮挡问题的研究现状，针对遮挡时表面线索的退化，提出了一种鲁棒的抗遮挡方法。采用基于核密度椭圆的二值形状模板和颜色直方图模板作为跟踪线索，引入目标可视度来评价目标遮挡时颜色线索的可信度，自适应地融合两者的信息得到观测模型，进而在粒子滤波器的框架下对目标进行跟踪。实验结果表明在遮挡情况下，本文算法比传统的基于单一线索的算法有更好的鲁棒性。9.期刊论文王丽娟.WangLijuan基于OpenCV与混合高斯建模的运动目标检测-电子测试2009(9)针对静态背景下的视频运动序列,在研究现有的检测算法--帧间差分法与背景差分法的基础上,进一步研究了运动目标检测中背景动态建模的方法--混合高斯建模法,在此基础上提出了基于混合高斯模型与三帧差分的运动目标检测改进算法.由于使用背景差分法检测运动目标时,运动物体和阴影都将被看作运动的目标,于是研究了基于归一化RGB色彩模型的阴影处理方法,对阴影区域进行检测与去除.然后使用计算机视觉类库OpenCV结合VisualC++6.0对上述算法进行实现,取得了很好的检测效果.10.会议论文王建林.孙孟奎.杨磊.孙永奇.张士国.王志海一种基于减背景模型的运动目标检测算法2008本文针对智能视频处理技术中运动目标检测的问题，提出了一种