论文部分内容阅读
主动视觉就是模拟人的眼睛。人们可以根据外界情况做出判断,并随着感兴趣目标的移动而改变视角。传统固定摄像头下的视频监控不能智能地跟踪目标，而且监控视野狭窄，想要实现大范围的跟踪，需要安装多个摄像头。在不增加摄像头的情况下， PTZ（Pan/Tilt/Zoom，平移/旋转/变焦）摄像机下的主动跟踪技术得到大家的青睐，目前主动跟踪技术主要使用固定摄像机和PTZ摄像机相结合的方法，固定摄像机用作检测，PTZ摄像机用作跟踪。本论文只使用单个PTZ摄像机就可以实现检测与跟踪。本文的主要研究内容：首先，本论文在研究了常见的运动目标检测算法的基础上提出一种改进的目标检测算法，即双差分相乘法。实验证明，它能较完整的提取目标的轮廓。然后，介绍了图像处理中常见的色彩空间，RGB和HSV色彩空间。讲述了颜色直方图的计算以及反向投影。研究了卡尔曼运动估计算法、Mean Shift跟踪算法和Camshift跟踪算法。在此基础上，本文采用方向和位移预测并结合卡尔曼运动估计的方法解决目标丢失问题，实现了对跟踪算法一定程度的改进。接着，研究人脸检测算法，为能在复杂背景下实现很好的鲁棒性，本文采用由丁晓青和马勇等人提出的带有风险的AdaBoost人脸检测新算法，即CS-AdaBoost算法[1]，并将该算法应用于主动跟踪中，作为后期的处理。这样先由动目标检测过滤掉非目标帧，再针对有目标的关键帧做复杂度较高的人脸检测。如此分级检测，算法由简单到复杂，这样间接压缩了待处理的视频帧率，从而提高了处理速度，实现了系统的实时性。最后，本论文介绍了设计使用的PTZ主动摄像头，分析它的特点及相关协议。本文搭建了一个基于PTZ的动目标检测跟踪系统平台，分别详细叙述系统的各个模块，并且采用一种新的目标跟踪方法。该方法通过将摄像机的运动进行离散化实现对目标的跟踪。本设计在摄像机静止时进行目标检测，根据检测到的结果控制PTZ摄像机转动，并对跟踪过程中出现的人脸进行抓拍。结果证实了该系统具有良好的实时性和检测效果。