運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤技術(shù)研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)及跟蹤是計(jì)算機(jī)視覺(jué)研究的主要問(wèn)題之一，它融合了圖像處理、模式識(shí)別、自動(dòng)控制、人工智能以及計(jì)算機(jī)等許多領(lǐng)域的先進(jìn)技術(shù)，在軍事視覺(jué)制導(dǎo)、視頻監(jiān)控、醫(yī)療診斷、智能交通等方面都有廣泛應(yīng)用。其中智能視頻監(jiān)控是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)新興方向和備受關(guān)注的課題，它在不需要人為干預(yù)情況下，利用計(jì)算機(jī)視覺(jué)分析的方法對(duì)攝像機(jī)拍錄的圖像序列進(jìn)行自動(dòng)分析，實(shí)現(xiàn)對(duì)動(dòng)態(tài)場(chǎng)景中目標(biāo)的定位、識(shí)別和跟蹤，并在此基礎(chǔ)上分析和判斷目標(biāo)行為，從而完成日常管理又能在異常

2、情況發(fā)生時(shí)及時(shí)作出反應(yīng)。隨著科技技術(shù)的不斷發(fā)展，人們對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤系統(tǒng)的穩(wěn)定性、魯棒性提出了很高的要求。因此本課題研究具有重要的理論意義和實(shí)際價(jià)值。
　　本文主要圍繞運(yùn)動(dòng)目標(biāo)檢測(cè)和運(yùn)動(dòng)目標(biāo)跟蹤兩個(gè)方面展開(kāi)研究，并在具體應(yīng)用下進(jìn)行介紹。運(yùn)動(dòng)目標(biāo)檢測(cè)方面，研究了靜態(tài)背景下常用的運(yùn)動(dòng)目標(biāo)檢測(cè)算法，有光流法、相鄰幀差分法、背景差法等。之后又針對(duì)于兩種背景建模方法進(jìn)行了實(shí)驗(yàn)比較。相對(duì)于傳統(tǒng)的混合高斯背景建模法，最新的自適應(yīng)分布數(shù)K混合

3、高斯背景建模法有不固定像素模型的分布數(shù)，從而能夠根據(jù)實(shí)際情況進(jìn)行調(diào)整，準(zhǔn)確的描述像素樣本的實(shí)際分布；并通過(guò)一種改進(jìn)的迭代算法，自適應(yīng)地完成模型的背景提取和更新。試驗(yàn)通過(guò)像素為320*240的視頻進(jìn)行，提供了一個(gè)在室內(nèi)空間走動(dòng)行人的目標(biāo)檢測(cè)，結(jié)果表明該算法效果好于傳統(tǒng)的混合高斯背景建模算法，有更好的適應(yīng)能力，對(duì)于背景的更新有更強(qiáng)的時(shí)效性和準(zhǔn)確性。
　　運(yùn)動(dòng)目標(biāo)跟蹤方面介紹了現(xiàn)在常用的幾種算法，有基于特征的跟蹤方法、基于3D的跟蹤方法

4、、基于主動(dòng)輪廓的跟蹤方法等。對(duì)于顏色特征提取和形狀特征的提取做了詳細(xì)的介紹，其中包括RGB顏色空間到HSV顏色空間的轉(zhuǎn)換分析。形狀特征主要研究了圖形平滑和邊緣提取，并且做了實(shí)驗(yàn)分析。然后重點(diǎn)研究了粒子濾波算法，并且提出了一種有效的改進(jìn)方法，通過(guò)聚類(lèi)和分層方法，把粒子空間分成多層空間，針對(duì)于不同空間的權(quán)重大小利用粒子，保證了其粒子的多樣性和有效性，避免了粒子的浪費(fèi)。為了驗(yàn)證算法的有效性，采用了兩段像素為320*240的視頻序列進(jìn)行測(cè)試。實(shí)