基于MeanShift算法的运动目标跟踪及在网球出界判罚中的应用.docx

1、基于MeanShift算法的运动目标跟踪及在网球出界判罚中的应用本科毕业设计论文基于MeanShift算法的运动目标跟踪及在网球出界判罚中的应用院、 系:数 理 系学科专业:信息与计算科学学 生:朱晶学 号:051001119指导教师:薛鹏翔2018年6月基于mean shift算法的运动目标跟踪及在网球出界判罚中的应用摘 要本文的主要研究内容是基于mean shift算法的运动目标跟踪，并将这种跟踪应用于网球出界判罚。目标跟踪广泛应用于监控、视频编码以及军工领域.如何有效地在视频序列中对感兴趣目标进行有效跟踪,是计算机视觉中一个极具挑战性的课题，其中最主要的环节就是选择合适的目标特征以及快速

2、的搜索匹配算法，Mean-Shift作为一种高效的模式匹配算法,由于不需要进行穷尽搜索,已经成功地应用在对实时性要求较高的目标跟踪领域中。运动图像的检测不仅在工业和军事上具有极为重要的应用，而且在一些重要的场所，例如银行、公共交通等系统中也有广泛的应用。基本原理是将跟踪目标的色彩信息做为特征，将这些信息计算处理后投影到下一帧图像中，计算出这幅图像中的目标，用这幅图像作为新的源图，分析下一帧图像，重复这个过程就可以实现对目标的连续跟踪。本文主要工作如下：1、 使用meanshift算法实现对运动物体的跟踪，根据颜色直方图的信息，将这些信息计算处理后投影到下一帧图像中，计算出这幅图像中的目标，用这

3、幅图像作为新的源图，分析下一帧图像，重复这个过程就可以实现对目标的连续跟踪。2、 传统的mean shift算法在目标快速运动时，容易受到背景区域的干扰，不能准确地对运动目标区域进行跟踪。本文提出一种基于背景优化的mean shift目标跟踪算法，通过引入混合直方图并对直方图重新量化来进行优化，以及减少背景像素在概率密度函数中的权重来降低背景区域对跟踪目标的影响，从而实现对运动目标的准确跟踪。3、 将Mean-shift算法应用到RGB图像中,采用了以方向直方图建立目标模型的策略,提出了在RGB图像中以Mean-shift为核心的目标跟踪算法，实验结果表明,该算法具有不受光照条件影响的优点,在

4、低对比度的情况下仍能实现稳定、实时的跟踪目标,复杂背景下的目标检测作为整个试验的关键技术发挥着十分重要的作用，并与帧间信息相结合来提取运动对象研究方案。本文分为六部分：第一部分首先阐述了课题的研究背景、意义及该领域的发展现状；第二部分介绍了mean shift经典算法；第三部分介绍Hough变换进行直线检测的思想及原理，第四部分使用mean shift算法为核心的算法跟踪目标并得到了相关的实验结果，并给出了大量实验图片；第五部分提出了研究展望以及后续的主要内容。关键词：运动目标检测；mean shift算法；核函数；Based on the mean shift algorithm to tr

5、ack moving targets and the application of Tennis out penaltyAbstractThe main research content is based on the mean shift algorithm to track moving targets, and using this follow-up out of bounds penalty applies to tennis. Track moving targets are widely used in surveillance, video coding, as well as

6、 the field of military industry. How to effective tracking in the targets of interest video sequences, that is a challenging task in computer vision, which is the most important aspect of selecting suitable target quick search features, as well as matching algorithm, Mean-Shift as an efficient patte

7、rn-matching algorithm, as a result of which does not require exhaustive search, has been successfully used in real-time requirements of the higher areas of target tracking. Detection of motion picture, a not only in industrial and military application is extremely important, but also in some importa

8、nt places such as banks, public transport systems are also widely used.The basic principles of the goal are to track the characteristics of the color information. Using the information calculation processing to the next frame after the projection image, the calculated objective of this image, use th

9、is image as a new source of maps, analysis of the next frame images, repeat this process on the target can be achieved on a continuous track. In this paper, the main works are as follows:The main research content is based on the mean shift algorithm to track moving targets, and using this follow-up

10、out of bounds penalty applies to tennis. Track moving targets are widely used in surveillance, video coding, as well as the field of military industry. How to effective tracking in the targets of interest video sequences, that is a challenging task in computer vision, which is the most important asp

11、ect of selecting suitable target quick search features, as well as matching algorithm, Mean-Shift as an efficient pattern-matching algorithm, as a result of which does not require exhaustive search, has been successfully used in real-time requirements of the higher areas of target tracking. Detectio

12、n of motion picture, a not only in industrial and military application is extremely important, but also in some important places such as banks, public transport systems are also widely used.The basic principles of the goal are to track the characteristics of the color information. Using the informat

13、ion calculation processing to the next frame after the projection image, the calculated objective of this image, use this image as a new source of maps, analysis of the next frame images, repeat this process on the target can be achieved on a continuous track. In this paper, the main works are as fo

14、llows:1. Meanshift algorithm used for tracking moving objects, according to the color histogram information, will be calculated after these messages to the next frame image projection, use this image as a new source of maps, Analysis of the next frame images, repeat this process on the target can be

15、 achieved on a continuous track.2. The traditional mean shift algorithm for fast motion in the target, the region susceptible to background interference, can not accurately track moving targets in the region. This paper presents an optimization based on the background of the mean shift object tracki

16、ng algorithm, through the introduction of mixed-histogram and histogram for quantitative re-optimization, and the reduction of the background pixels in the probability density function in the context of weight to lower the target areas on the track of and thus to achieve accurate tracking of moving

17、targets3. Mean-shift algorithm will be applied to RGB images using the histogram in the direction of the target model-building strategy, the RGB images in order to Mean-shift at the core of the target tracking algorithm, experimental results show that the algorithm has not affected by the advantages

18、 of light, in the case of low contrast can still achieve a stable, real-time tracking of targets, the complexity of the context of target detection as the key technology of the pilot plays an important role, and the combination of inter-frame information moving object extraction research programsThi

19、s article is divided into six parts: the first part of the first topic on the research background, and the significance of developments in the field of the status quo; meanshift introduced the second part of the classical algorithm; the third section describes a straight line hough transform to dete

20、ct the thoughts and principles, Part IV meanshift algorithm used as the core of the algorithm to track the target and the relevant experimental results, and gives a great deal of experimental picture; the fifth part of the study follow-up of Outlook, all of these constant of my paper.Key words: movi

21、ng target detection; meanshift algorithm; nuclear function;目 录基于mean shift算法的运动目标跟踪及在网球出界判罚中的应用 I摘 要 IAbstract II1 绪 论 21.1 前言 21.2 研究背景及意义 21.3 课题发展现状 21.4 本文的研究内容和论文安排 24.2.1 本文的研究内容 24.2.1 论文安排 22 基于meanshift算法的运动目标跟踪 22.1 视觉目标跟踪 22.2 基于彩色信息的跟踪算法 22.3 彩色跟踪流程图 22.4 meanshift算法原理 23 利用Hough检测直线 23.

22、1 Hough变换的概述 23.2 Hough变换的原理 24 基于MEANSHIFT算法的具体实现 24.1 实现目标 24.2 实现过程 24.2.1 建立颜色模型 24.2.2 跟踪算法描述 24.2.3 利用HOUGH变换检测直线 24.2.3 具体实现 24.3 算法总结 24.3.1 理想情况下的跟踪 24.3.2 研究展望以及后续的主要内容 25 结论 2致 谢 2参考文献 2附录A 程序代码 21 绪 论1.1 前言目标的实时跟踪在计算机视觉领域有着非常重要的应用。近年来在目标跟踪领域提出了许多很好的算法，如以提取轮廓、纹理、颜色等特征来实现对目标的识别，在频域下利用傅里叶和小

23、波来进行目标识别和利用神经网络来识别目标等。然而许多算法由于计算复杂都未能应用到对实时性要求较高的场合。Dorin Comaniciu将Meanshift算法引入到了目标跟踪领域，极大的减少了跟踪算法的计算量。因此国内外有许多学者继续在完善Mean-shift算法的应用，解决了算法中存在的一些缺点和不足。Mean-Shift算法作为一种高效的模式匹配算法，已经成功地应用在对实时性要求。较高的目标跟踪算法中。Mean shift算法在工业和军事应用领域具有重要的现实意义，计算机视觉的研究在工业领域，军事领域以及医学领域都有着十分重要的应用，通过对计算机视觉的研究，人们可以更好的把握尺度，诸如在完

24、成各种工业或军事任务的机器人视觉系统。研究背景及意义视觉图象是用个重观测系统以不同形式和手段观测世界而获得的，可以直接或接作用与人眼并进而产生视知觉的实体。科学研究和统计说明人类从外界获得的信息约有75%是从图象获得的。随着计算机的发展，数字图象技术近年来得到极大的重视和长足的进展，出现了许多有关的新理论、新方法、新手段和新设备，并已在科学研究、工业生产、医疗卫生、教育、娱乐、管理和通信等方面得到了广泛的应用，对推动社会发展改善人们生活水平都起到了重要的作用。1.2 课题发展现状Mean Shift 这个概念最早是由Fukunaga等人于1975年在一篇关于概率密度梯度函数的估计中提出来的,其

25、最初含义正如其名,就是偏移的均值向量,在这里Mean Shift是一个名词,它指代的是一个向量,但随着Mean Shift理论的发展,Mean Shift的含义也发生了变化,如果我们说Mean Shift算法,一般是指一个迭代的步骤,即先算出当前点的偏移均值,移动该点到其偏移均值,然后以此为新的起始点,继续移动,直到满足一定的条件结束.然而在以后的很长一段时间内Mean Shift并没有引起人们的注意,直到20年以后,也就是1995年,另外一篇关于Mean Shift的重要文献才发表.在这篇重要的文献中,Yizong Cheng对基本的Mean Shift算法在以下两个方面做了推广,首先Yiz

26、ong Cheng定义了一族核函数,使得随着样本与被偏移点的距离不同,其偏移量对均值偏移向量的贡献也不同,其次Yizong Cheng还设定了一个权重系数,使得不同的样本点重要性不一样,这大大扩大了Mean Shift的适用范围.另外Yizong Cheng指出了Mean Shift可能应用的领域,并给出了具体的例子.Comaniciu等人把Mean Shift成功的运用的特征空间的分析,在图像平滑和图像分割中Mean Shift都得到了很好的应用. Comaniciu等在文章中证明了,Mean Shift算法在满足一定条件下,一定可以收敛到最近的一个概率密度函数的稳态点,因此Mean Shi

27、ft算法可以用来检测概率密度函数中存在的模态.Comaniciu等人还把非刚体的跟踪问题近似为一个Mean Shift最优化问题,使得跟踪可以实时的进行.目标跟踪广泛应用于监控、视频编码以及军工领域.如何有效地在视频序列中对感兴趣目标进行有效跟踪,是计算机视觉中一个极具挑战性的课题.Mean-Shift作为一种高效的模式匹配算法,由于不需要进行穷尽搜索,已经成功地应用在对实时性要求较高的目标跟踪领域中。Mean-Shift算法被广泛的应用于很多领域，对其的理解也上升到一定的高度，但是任然存在一些不足，这些不足表现在：1. 传统的,Mean Shift算法在目标快速运动时，容易受到背景区域的干扰

28、，不能准确地对运动目标区域进行跟踪。对跟踪工作产生的极大的负面影响。2. 当目标存在明显尺度变化的时候,尤其是当目标尺寸逐渐增大以至超出核窗宽范围的时候,固定不变的核窗宽常常会导致目标的丢失.目前,还没有很好的方法用来解决核窗宽的自动选取问题。虽然有人提出基于不变矩的方法,但是矩特征的计算严重影响了Mean-Shift跟踪算法的实时性.也有人提出采用正负10的增量分别对核窗宽进行修正.该方法需要在当前帧中用3个不同大小的核进行3次独立的Mean-Shift跟踪计算,选择出较大的Bhattacharyya系数所对应的窗宽为最佳核窗宽.当目标逐渐缩小尺寸时,该方法可以得到较好的效果.但是,当目标逐

29、渐增大尺寸时,核窗宽很难被扩大,反而经常越变越小。1.3 本文的研究内容和论文安排4.2.1 本文的研究内容本论文是研究由视频摄像机获取的图像序列中跟踪手或者脸部的移动。在本论文的研究过程中，视频图像是通过基于USB接口的普通摄像头获得的。从摄像头获取的视频图像转换为图像序列后，将图像彩色空间转换为HSV（Hue色度,Saturation饱和度,Value纯度），当需要跟踪的目标选取后，计算目标的1D-H直方图，再通过这个直方图在下一帧图像中计算出目标。4.2.1 论文安排论文分为五个部分：第二章介绍Mean-Shift跟踪算法的原理；第三章介绍hough直线检测的原理；第四章是对Mean-S

30、hift算法跟踪目标并判定是否出界的具体实现。本论文主要涉及的有图象处理、计算机视觉、机器视觉、色彩基础知识等。2 基于meanshift算法的运动目标跟踪2.1 视觉目标跟踪在视频图像中我们可以看到它是由序列图像构成的，当每秒帧数足够时我们视觉上就可以将它认为是连续的。视频图像中一个运动的物体可以被识别以及跟踪是因为相邻的图像中目标的位置，大小，形状轮廓等都很相近，通过特定的算法可以利用这种近似得到跟踪的结果。近几年来，随着网络的发展，视频会议和远程教育逐渐变成了现实。在这类应用中，头部的跟踪和识别是其中不可缺少的一个过程，因而成为技术热点，出现了许多新的算法，诸如基于彩色信息、基于轮廓检测

31、、基于人灰度分布、基于块特征等方法。基于彩色信息的跟踪算法由于网球的颜色仍然是网球最重要而且明显的特征，基于彩色信息的检测方法利用恰当的表色系统，把网球颜色作为实现网球检测和跟踪的主要参数，因而在网球的检测和跟踪方面具有对放大和缩小以及对微小变形不感的优点，加上镜头方向的变化对颜色信息本身的影响不大，该算法很容易在上一帧图像分析结果的基础上分析出下一帧图像的人脸区域，另外，它还有便于分析计算，更加适于实时系统的要求。这类算法中的典型算法是CamShift算法，即ContinuouslyApative Mean-Shift算法，是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪

32、的目的。本论文重点探讨了关于运动目标识别与追踪的CAMSHIFT算法，它是集成在INTEL的OPENCV图像处理和计算机视觉函数库中。这类算法基本原理是将跟踪目标的色彩信息做为特征，将这些信息计算处理后投影到下一帧图像中，计算出这幅图像中的目标，用这幅图像作为新的源图，计算出下一帧图像，如此反复。2.2 彩色跟踪流程图 是 否Meanshift算法中，给定一个彩色图像和该图像某个初始搜索区域对应的色度直方图(也可以是其它的直方图)，就可以使用这个直方图作为一个查找表来创建以像素色调浓度为灰度值的单通道反射投影图像，Meanshift利用这个反射投影图像，用迭代的方法寻找目标中心，当搜索窗口中心的移动小于某个定值，或者己经到达最大迭代次数的时候，就返回己经求取到的目标的位置信息。在彩色图像将Meanshift算法扩展到连续图像序列，这样就形成了Camshift算法。它的基本思想是将视频图像的所有帧作