主办单位: 共青团中央   中国科协   教育部   中国社会科学院   全国学联  

承办单位: 贵州大学     

基本信息

项目名称:
动态背景下自适应运动目标检测与跟踪系统设计
小类:
信息技术
简介:
系统通过首先分析图像序列的全局运动模型来判断背景是静态还是动态的,然后再采用对应的算法来进行运动目标检测。在检测出运动目标后,再使用CamShift算法对运动目标进行跟踪。这样能够大大提高运动目标检测与跟踪系统的性能。
详细介绍:
该文通过分析图像序列的全局运动模型来判断视频片断中的背景是静态还是动态的,然后自适应地采用对应的算法来进行运动目标检测。这种做法较之固定用一种算法进行目标检测从理论上来讲性能会更高。在检测出运动目标后,再使用CamShift算法对运动目标进行跟踪。动态背景下自适应运动目标检测与跟踪系统在社会中有很大的应用价值,且图像序列中运动目标的检测与跟踪一直是计算机视觉领域的重要研究内容。此系统可服务于有关安全监控的许多领域,例如小区安全系统、交通系统与公安系统等。

作品专业信息

撰写目的和基本思路

目前国内外对此类问题的研究主要从两个方面出发:静态背景和动态背景。静态背景下的算法不能适用于动态背景,而动态背景下的算法如果应用于静态背景下,算法的效率又太低。由视频片段拍摄的特点可知,背景不变的连续图像帧的数量要比背景变化的图像帧数量要大得多,为此需要一个既能在静态又能在动态背景下进行运动目标检测和跟踪的算法。

科学性、先进性及独特之处

系统通过首先分析图像序列的全局运动模型来判断背景是静态还是动态的,然后再采用对应的算法来进行运动目标检测。在检测出运动目标后,再使用CamShift算法对运动目标进行跟踪。这样能够大大提高运动目标检测与跟踪系统的性能。

应用价值和现实意义

该文通过分析图像序列的全局运动模型来判断视频片断中的背景是静态还是动态的,然后自适应地采用对应的算法来进行运动目标检测。在检测出运动目标后,再使用CamShift算法对运动目标进行跟踪。动态背景下自适应运动目标检测与跟踪系统在社会中有很大的应用价值,且图像序列中运动目标的检测与跟踪一直是计算机视觉领域的重要研究内容。此系统可服务于有关安全监控的许多领域,例如小区安全系统、交通系统与公安系统等。

学术论文摘要

在对运动目标检测前,建立图像帧的四参数全局运动模型,根据该模型能快速判断当前图像序列片段的背景是静止的还是动态的,然后系统自适应地选择背景减除法进行静态背景下的运动目标检测,选择基于全局运动补偿的Horn-Schunck算法进行动态背景下的运动目标检测,从而提高了运动目标检测的速度,有利于提高系统的实时性。最后采用CamShift算法进行运动目标的跟踪处理。

获奖情况

鉴定结果

参考文献

背景减除法:McKenna S, Jabri S, Duric Z, et al. Tracking groups of people[J]. Computer Vision and Image Understanding, 2000,80(1):42-56 帧差法: H, Patil R. Moving tar Lipton A, Fujiyoshi get classification and tracking from real-time video[C]//IEEE Workshop on Applications of Computer Vision. Princeton, USA:[s.n.], 1998:8-14. 光流法: HORN B K P, SCHUNCK B G. Determing optical flow[J]. Artificial Intelligence, 1981, 17:185-203. CamShift算法:高丛。人体运动检测与跟踪算法的研究和分析[J]。工业控制计算机,2008,21:49-51. 背景差分法: 吴永浩,华云松,尚亮。基于OpenCV的运动目标跟踪系统研究[J]。2010,8:21-25.

同类课题研究水平概述

目前国内外对此类问题的研究主要从两个方面出发:静态背景和动态背景。在静态背景下,运动目标检测常采用的方法有背景减除法、帧差法。动态背景下,运动目标检测常采用的方法有光流法和基于统计模型的方法等。静态背景下的算法不能适用于动态背景,而动态背景下的算法如果应用于静态背景下,算法的效率又太低。
建议反馈 返回顶部