基于光流场的视频车辆检测与跟踪算法研究与应用任务书

          浙江学院

 

  毕业设计(论文)任务书

 

（适用于工科类、理科类专业）

 

 

 

 

 

 

 

 

 

一、 毕业设计（论文）的课题背景

计算机视觉这一领域的先驱可追溯到很早的时候，但是直到20世纪70年代 后期，当计算机的性能提高到足以处理诸如图像这样的大规模数据时，计算机视觉 才得到了正式的关注和发展。计算机视觉实际就是研究让“机器’’如何能够像“人眼’’一样看，就是通过摄像机和电脑模拟人眼对其感兴趣的目标进行识别、跟踪以 及测量，并通过电脑做更进一步的图形处理以得到更适合人眼观察或更适合机器检测的图像。因此，在实现最终目标以前，人们努力的中期目标是建立一种视觉系统，这个系统能依据视觉敏感和反馈的某种程度的智能完成一定的任务。其实，计算机视觉可以当做是如何研究使人工系统能够从图像或多维数据中获取有效“信息"。计算机视觉应用领域较广泛，包括航空航天、卫星照片、军事导弹精确制导、移动机器人视觉导航、工业自动化系统、医学辅助诊断等。 

基于光流可以实现在军事航天、交通监管、信息科学、气象、医学等多个领域的重要应用。例如利用光流场可以非常有效的对图像目标进行检测和分割，这对地对空导弹火控系统的精确制导，自动飞行器精确导航与着陆，战场的动态分析，军事侦察的航天或卫星图片的自动分析系统，医学上异常器官细胞的分析与诊断系统，气象中对云图的运动分析，城市交通的车流量进行监管都具有重要价值。 

当前对于光流法的研究主要有两个方向：一是研究在固有硬件平台基础上实现现有算法，二是研究新的算法。光流算法的主要目的就是基于序列图像实现对光流场的可靠、快速、精确以及鲁棒性的估计。然而，由于序列图像目标物体的特性、光源的变化、场景中照明的变动，目标物体运动的速度以及各种噪声等多种因素影效响着光流算法的有性。光流算法的研究是一门交叉学科，涉及到信号与系统、模式识别、数字图像处理、计算机图形学以及数学等多门学科，近些年来，各国不断有专家学者开展对光流算法的研究，提出了各种新算法或改进方法，充实了光流算法的理论基础，也为该领域的研究与应用带来了新的思维和方法。可是光流算法还有很多不尽人意的地方，例如建立可靠的算法模型，光流检测对静态背景、目标运动速度等要求的局限性，仍然面临着巨大挑战，这还需要我们在光流算法上不断改进与突破。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

二 毕业设计（论文）的技术参数（研究内容）

对光流算法的研究，最早可追溯N-十世纪五十年代，Gibson和Wallach等学者提出的SFM(Structure From Motion)假设，即以心理学实验为基础，开创性的提出从二维平面的光流场可以恢复到三维空间运动参数和结构参数的假设，但该假设直到七十年代末才有ULLInan等学者验证该假设。

真正提出有效光流计算方法还归功于Hom和Schunck在1981年创造性地将二维速度场与灰度相联系，引入光流约束方程的算法，是光流算法发展的基石。光流算法发展至今不下几十种，其中许多是基于一阶时空梯度技术，其方法不仅效率高，且易于实现，总的深入分析可将光流算法分为四类：(1)研究解决光流场计算的不适定问题的方法(2)研究光流场计算的快速算法(3)研究解决光流计算不连续性的问题(4)研究直线和曲线的光流场计算技术

二、 毕业设计（论文）应完成的具体工作

 学习MATLAB软件，掌握软件的基本操作，了解光流算法，掌握光流算法的基本思想，建立光流场的数学模型，编写仿真程序对模型进行仿真，编写出算法的matlab程序，并给出最佳算法相对比的图像，并对效果进行分析说明。编写图像的读入与保存模块，保证图像能够完整的读入和呈现。掌握C和matlab编程。完成系统代码的编写、调试和运行。总结形成论文，并进行毕业论文答辩。

三、 毕业设计（论文）进度安排

同组学生姓名：无

 

 

 

 

 

 

 

四、 应收集的资料及主要参考文献

[1]章毓晋。图像工程(上册)图像处理和分析[M]。北京：清华大学出版社，1999，24-38 

[2]马颂德，张正友，计算机视觉计算理论与算法基础[M]。科学出版社，1998，67—73 

[3]陈震，高满屯等。图象光流场计算技术研究进展[J]。中国图象图形学报，2002，7(5)：134-139 

[4]何斌，马田予等。VisualC++数字图像处理[M](第二版)人民邮电出版社，2002 

[5] S Huang，G J Yang，and GYTang．A fast two·dimensional median filtering algorithm[J]．IEEE 

Transactions on Acoustics，Speech and Signal Processing，1979,ASSP-27(1)：13-18 

[6]S．O．Rice，MathematicalAnalysis ofRandom Noise[M]．Bell SystTech．J．，1945，、，01．24，46-156 

[7]R．C．Gonzalez and R．E．Woods，Digital ImageProcessing[M]．MA：Addiso-Wesley,1993，122-134 

[8]阮秋琦。数字图像处理学[M】。北京：电子工业出版社，2001，34-37 

[9]ChartTF,Vese LA．Active ContoursWithout Edges[J]．IEEE Transactions on ImageProcessing, 2001，10(2)：266-277 

[10]任继军，何明。一种新的水平集图像分割方法[J]。计算机工程与应用，2007，43(19)：16-19 

[11]Jolm Canny,Member,AComputational Approach to Edge Detection[j]，IEEE Trans．Pattern Analy —sis and Machine Intelligence，V01．PAMI-8，November 1986．No．1，679-697 

[12]S．0．Rice，MathematicalAnalysis ofRandom Noise[J]．Bell Syst TechJ．,VoL24,46-156 

[13]J．J．Gibson,The Perception oftheVisual World[M]．Boston：Houghton Mifflin，1950，133-141 

[14]郑南宁。计算机视觉与模式识别[M]。国防工业出版社，1998，3：192-200 

[15]商文，陈熙霖。计算机视觉算法与系统原理[M]。北京：清华大学出版社，1999，35-46 

[16]Nagel,H．H．Displacementvectors derived from second-order intensity variations in imagesequen -ces．ComputerVision，Graphics and ImageProcessing[M]，1983’2l(1)：85-117 

[17]张泽旭，李金宗，李冬冬。一种鲁棒性的光流算法研究[J]。电子学报，2003，12(4)：1851-1855 

[18]Andres Brulmjoachim  Wcickcrt．Lucas·Kanade  Meets Hom-Schunck：Combining Local  and Global Optic Flow Methods[J]．Internationaljournal ofComputerVision 61(3)，2005，211—23l 

[19]Cucchiara R，Grara C，Piccarcli M，Prati A．Detecting moving objects，ghosts and shadowin video streams[J]．IEEE Transactions PatternAnalysis and Machine Intelligence，2003，25(10)：1342—1377 

[20]Chung—Lin，Wen-ChiehLiao．AVision-Based VehicleIdentification system[J]．In：Proc．Ofthe 17th International Conference 011 Pattern Recognition,2004，5(3)：166-177 

[21]A．Pentland．Machine understanding of human action[J]．In：Proc．7th  Int．Forum Frontier  of tele