论文部分内容阅读
伴随着智能化技术的迅猛发展,网络智能视频监控系统也得到了广泛的应用。视频监控系统经历了从模拟化向数字化、网络化、智能化的发展过程。目标检测和跟踪技术是计算机视觉的重要组成部分,也是实现监控系统智能化的基础,因其广泛的应用前景而成为近年来的研究热点。基于图像识别的运动目标检测与跟踪系统是在不需要人为干预的情况下,通过在图像序列中对预定运动目标进行自动识别和定位,并控制摄像机做三维运动,从而始终使运动目标保持在摄像机视野中心位置附近。运动目标跟踪是计算机视觉与图像处理领域中一个非常活跃的分支,在军事领域和国民经济的许多方面都有着广泛的应用,例如导弹制导、道路监控、主动视觉监视等。本文分析了基于图像识别的运动目标检测与跟踪系统的原理,详细阐述了运动目标识别与跟踪以及云台控制方法。在运动目标检测部分本文首先介绍了现有的三种运动目标图像识别技术并介绍了基于SIFT特征图像识别方法,在分析了SIFT图像识别法的优缺点之后,利用kalman预测器对SIFT特征图像识别方法进行了改进,最后给出了运动目标图像识别模块的实现方法。在目标跟踪部分本文学习并分析传统的跟踪算法即MeanShift算法。并指出了MeanShift算法不足之处:对所跟踪的目标进行特征提取缺少空间信息以及带宽无法自适应。对于这一缺点本文对其做了部分改进,采用直方图加权的方法来描述目标特征,弥补目标所缺的空间信息。因为巴氏系数会根据带宽的变化而变化,同时比较巴氏系数使得带宽可以自适应跟踪。同时,本文对于目标遮挡的问题进行了研究。采用轨迹预测算法与卡尔曼预测器相结合的方法来弥补单独使用卡尔曼预测器的缺陷,并且设计出了一种集目标灰度、目标纹理、运动估计三方面状态的切换算法,使系统鲁棒性更强。最后在云台控制部分中本文阐述了传统的PID控制以及模糊控制的技术原理和它们各自的缺陷,并结合两者的优点设计开发了模糊PID控制方法并以此来控制云台,使得云台上的摄像头在云台的带动下可以进行三维活动,并以此来追踪运动目标并使得被追踪目标始终在监控录像的视野中心。