论文部分内容阅读
随着高性能计算机技术的发展,多运动目标检测与跟踪成为了计算机视觉的研究热点,其应用前景广阔。目前该课题仍存在许多问题亟待解决,比如在系统工作过程中出现动态背景、阴影、目标运动速度较快和目标被遮挡等问题时,会导致目标检测和跟踪失败。另外,还存在目标检测和跟踪算法在进行处理和分析时达不到实时性的要求。针对以上问题,本文对算法进行改进并设计行人跟踪系统,实现了对多运动目标的准确检测与稳定跟踪。本文所做主要研究工作如下:
(1)针对传统目标检测算法存在固有缺陷并且无法适用于复杂环境的问题,提出在感兴趣区域(Regionof Interest)采用改进的目标检测算法进行检测。改进的目标检测算法根据三帧差分和混合高斯建模(Gaussian Mixture Model)检测结果的差异值调整三帧差分中的阈值,再将两种算法的结果进行逻辑“或”运算,作为最终检测结果。最后采用本文提出的连通区域标记方法获取较为完整的运动目标。这样不仅可以抑制复杂背景的干扰,提高检测速度,而且明显改善了检测中存在的“空洞”、“双影”和“阴影”现象。
(2)针对传统的Camshift算法进行跟踪时,目标遇到遮挡或与背景颜色相似时会导致跟踪丢失的问题,本文提出了改进的Camshift算法,有效解决了目标跟踪丢失的问题。为了进一步提高跟踪准确度和处理速度,本文又提出结合Hungarian算法和Kalman滤波的多目标跟踪算法。该算法采用Hungarian算法对目标进行匹配,匹配到的目标进行轨迹更新,没有匹配到的目标若为新增目标,就记录目标框信息,反之则用Kalman滤波进行预测并记录消失帧数。该算法与改进的Camshift相比,准确度提升了7.5%,处理速度快了11.64ms/帧。
(3)为了提高识别运动目标的处理速度,本文提出在感兴趣区域中只提取新增目标的HOG特征,然后结合SVM训练器识别出行人,再结合目标的运动速度特征进一步增加识别的准确性。本文设计并实现了行人跟踪软件系统,该系统包括摄像头、视频存储及预处理模块、目标检测和跟踪模块以及Qt显示和分析界面,可以统计跟踪区域内行人的流量。
(4)利用Xilinx公司的Vivado套件设计多运动目标检测系统。使用Vivado HLS工具对图像预处理和目标检测算法进行仿真验证、资源配置和映射电路分析。比较分析相同算法使用C++运行和在Vivado HLS上的运行时间,前者约为1.215秒,后者约为0.74秒,对比结果表明相同算法在硬件中实现了加速。
(1)针对传统目标检测算法存在固有缺陷并且无法适用于复杂环境的问题,提出在感兴趣区域(Regionof Interest)采用改进的目标检测算法进行检测。改进的目标检测算法根据三帧差分和混合高斯建模(Gaussian Mixture Model)检测结果的差异值调整三帧差分中的阈值,再将两种算法的结果进行逻辑“或”运算,作为最终检测结果。最后采用本文提出的连通区域标记方法获取较为完整的运动目标。这样不仅可以抑制复杂背景的干扰,提高检测速度,而且明显改善了检测中存在的“空洞”、“双影”和“阴影”现象。
(2)针对传统的Camshift算法进行跟踪时,目标遇到遮挡或与背景颜色相似时会导致跟踪丢失的问题,本文提出了改进的Camshift算法,有效解决了目标跟踪丢失的问题。为了进一步提高跟踪准确度和处理速度,本文又提出结合Hungarian算法和Kalman滤波的多目标跟踪算法。该算法采用Hungarian算法对目标进行匹配,匹配到的目标进行轨迹更新,没有匹配到的目标若为新增目标,就记录目标框信息,反之则用Kalman滤波进行预测并记录消失帧数。该算法与改进的Camshift相比,准确度提升了7.5%,处理速度快了11.64ms/帧。
(3)为了提高识别运动目标的处理速度,本文提出在感兴趣区域中只提取新增目标的HOG特征,然后结合SVM训练器识别出行人,再结合目标的运动速度特征进一步增加识别的准确性。本文设计并实现了行人跟踪软件系统,该系统包括摄像头、视频存储及预处理模块、目标检测和跟踪模块以及Qt显示和分析界面,可以统计跟踪区域内行人的流量。
(4)利用Xilinx公司的Vivado套件设计多运动目标检测系统。使用Vivado HLS工具对图像预处理和目标检测算法进行仿真验证、资源配置和映射电路分析。比较分析相同算法使用C++运行和在Vivado HLS上的运行时间,前者约为1.215秒,后者约为0.74秒,对比结果表明相同算法在硬件中实现了加速。