基于雙目場景流的運(yùn)動目標(biāo)檢測與跟蹤.pdf

1、在計算機(jī)視覺領(lǐng)域視頻中運(yùn)動目標(biāo)的檢測與跟蹤是一個極具挑戰(zhàn)性的熱門話題，它是后續(xù)運(yùn)動目標(biāo)識別和分類、場景語義理解、目標(biāo)行為分析等高級研究課題的基礎(chǔ)。運(yùn)動目標(biāo)的檢測與跟蹤還被廣泛應(yīng)用到實(shí)際生活場景中，如智能安防、現(xiàn)代汽車輔助駕駛系統(tǒng)中的環(huán)境感知、智能交通。但目標(biāo)的檢測與跟蹤現(xiàn)在還存在各種問題，因此，研究目標(biāo)的檢測與跟蹤技術(shù)具有重要的理論與實(shí)踐意義。
　　基于此，本文基于雙目視覺場景流對視頻中的運(yùn)動目標(biāo)進(jìn)行檢測與跟蹤，主要研究工作分為目

2、標(biāo)檢測與目標(biāo)跟蹤。在目標(biāo)檢測方面，本文首先利用幀間差分法提取運(yùn)動區(qū)域，以此劃分感興趣區(qū)域。接著在感興趣區(qū)域選取高顯著度的像素點(diǎn)作支撐點(diǎn)構(gòu)建三角網(wǎng)，基于三角網(wǎng)進(jìn)行兩趟立體匹配計算像素點(diǎn)深度信息，同時通過光流法計算像素點(diǎn)運(yùn)動信息，并融合二者得到場景流信息。最后基于馬氏距離對像素點(diǎn)場景流聚類，分割提取目標(biāo)。在目標(biāo)跟蹤方面，在目標(biāo)檢測的基礎(chǔ)上，本文基于Kalman濾波算法與GNN全局最鄰近算法跟蹤目標(biāo)。通過Kalman濾波算法預(yù)估目標(biāo)在一下幀的