復雜背景下的運動目標檢測與跟蹤技術(shù)研究.pdf

1、運動目標的檢測與跟蹤因其在軍事制導、智能交通、安全監(jiān)控等領(lǐng)域都有著廣泛的應用,已經(jīng)成為當前計算機視覺領(lǐng)域研究重點之一。由于環(huán)境的影響,如光照變化、空氣流動等,使得水面波紋變化、地面植物晃動等,給目標檢測帶來很多不確定因素,因此,研究復雜背景下的運動目標檢測與跟蹤算法成為圖像處理領(lǐng)域的難點和熱點問題。
　　本文從圖像預處理技術(shù)、運動目標檢測技術(shù)、運動目標跟蹤技術(shù)三個方面著手,對傳統(tǒng)常規(guī)方法和目前較為流行的檢測與跟蹤方法從原理上進行了

2、分析,并比較了各自的優(yōu)缺點以及適用范圍。在此基礎(chǔ)上提出了基于混合高斯背景建模的改進型背景差分法,能夠適應復雜背景下的目標檢測;利用Kalman濾波器對目標狀態(tài)進行預測縮短了MeanShift的搜索匹配時間并提高了其跟蹤準確性,提高了目標跟蹤的精度和實時性。在區(qū)域監(jiān)控行人的應用中,針對不同檢測區(qū)域綜合使用改進的MeanShift算法和移動式管道濾波,取得了不錯的實驗結(jié)果。論文將研究成果運用于邊檢過境通道防尾隨項目中,取得了較高的檢測精度。