基于GMM和粒子濾波的目標(biāo)檢測與跟蹤的算法研究.pdf

1、隨著計(jì)算機(jī)性能的大幅度提高，人們對(duì)計(jì)算機(jī)的要求也不斷擴(kuò)大。計(jì)算機(jī)獲得外部信息主要依靠計(jì)算機(jī)視覺，運(yùn)動(dòng)目標(biāo)的檢測與跟蹤是計(jì)算機(jī)視覺中最熱門的研究課題之一。只有先將背景和運(yùn)動(dòng)目標(biāo)分割出來并對(duì)感興趣目標(biāo)進(jìn)行跟蹤，才能有效的對(duì)后續(xù)的視頻圖像進(jìn)行處理，甚至可以進(jìn)行目標(biāo)行為的判斷與分析。本課題主要研究在復(fù)雜的場景下對(duì)視頻中運(yùn)動(dòng)目標(biāo)的檢測與跟蹤。
　　在運(yùn)動(dòng)目標(biāo)檢測方面，分別研究了幀差法，光流法及背景差分法。在幀差法的研究中，將幀差法做了改進(jìn)，

2、通過實(shí)驗(yàn)證明改進(jìn)后的算法比幀差法檢測更加準(zhǔn)確。重點(diǎn)研究了背景差分法，分別對(duì)單高斯模型及混合高斯模型進(jìn)行了研究。針對(duì)混合高斯模型算法在檢測中存在的問題做出改進(jìn)。根據(jù)HSV顏色空間的特點(diǎn)，改變混合高斯模型的建?？臻g，通過對(duì)各個(gè)分量上的設(shè)定，解決混合高斯模型在對(duì)運(yùn)動(dòng)物體檢測時(shí)存在的陰影問題，再利用形態(tài)學(xué)方法對(duì)圖像邊緣細(xì)節(jié)進(jìn)行補(bǔ)償，并去除噪聲點(diǎn)。最后實(shí)驗(yàn)表明，算法能較好的解決陰影問題，有較好的實(shí)時(shí)性和魯棒性。
　　而在目標(biāo)跟蹤方面，根據(jù)運(yùn)

3、動(dòng)模型的建立與求解不同分為兩大類:一類把跟蹤問題當(dāng)作最優(yōu)化問題來處理，將目標(biāo)跟蹤轉(zhuǎn)化為求代價(jià)函數(shù)的極值問題。針對(duì)這一類跟蹤算法，主要研究了Mean shift，camshift;而另一類是把跟蹤問題轉(zhuǎn)化為狀態(tài)的最優(yōu)估計(jì)問題，針對(duì)這類算法主要研究了卡爾曼濾波，粒子濾波。并且針對(duì)粒子濾波依靠單一特征描述目標(biāo)，容易導(dǎo)致跟蹤過程失敗而多特征卻會(huì)導(dǎo)致計(jì)算復(fù)雜度急劇升高，對(duì)粒子濾波做出改進(jìn)，采用顏色和邊緣方向直方圖兩個(gè)特征，并有效的融合這兩個(gè)特征，