視頻圖像運動目標定位研究.pdf

1、視頻圖像運動目標定位就是先從連續(xù)的視頻幀中檢測出運動目標然后對檢測到的運動目標進行精確定位。作為計算機圖像處理與機器視覺領域的熱門研究方向的視頻圖像運動目標的定位涉及模式識別、人工智能、自動控制等許多領域，同時對智能監(jiān)控、機器人導航、軍事制導、智能交通、醫(yī)學圖像分析等領域都有深遠的影響。
　　 視頻圖像運動目標定位主要涉及到兩個方面:運動目標的檢測和運動目標的定位。運動目標檢測是指從視頻連續(xù)的幀中檢測出運動目標，而運動目標定位則

2、是指對檢測出的運動目標位置進行精確定位。
　　 雖然對視頻圖像運動目標的檢測定位研究很多，但迄今為止沒有一種通用的算法或方法對任何復雜的場景都適用。視頻場景的復雜性、運動目標運動狀態(tài)的不確定性、運動目標陰影等問題都可能對視頻圖像運動目標精確定位產生嚴重的影響。因此運動目標的檢測和定位研究仍具有重要的實際意義和理論價值。
　　 本文在使用三幀差分、減背景法和混合高斯模型背景建模等經(jīng)典方法的基礎上提出了解決上述難題的檢測與定

3、位算法。主要分為兩部分:
　　 1、運動目標檢測:混合高斯模型運用到視頻圖像運動目標的檢測定位已經(jīng)取得不錯的效果，但是仍然存在一些問題。一方面當視頻場景中運動目標運動狀態(tài)突然發(fā)生變化時容易產生運動目標誤檢和漏檢的現(xiàn)象。另一方面是混合高斯模型對運動物體的陰影抑制效果并不好，將運動物體連同陰影～起檢測出來。此外，混合高斯模型要求對于視頻幀中每個像素建模，這需要很大的運算量，對視頻監(jiān)控系統(tǒng)的實時性要求產生影響。本文針對混合高斯模型在視

4、頻運動目標檢測中的不足，提出了將混合高斯模型與傳統(tǒng)的三幀差分相結合來對視頻中運動目標進行檢測定位。首先由混合高斯模型得到前景和背景，然后利用當前幀與混合高斯模型所得到的背景相減可以得到一個前景，最后利用三幀差分和邊緣檢測得到運動物體的精確輪廓并對此輪廓進行填充得到一個前景。在此基礎上對三個前景進行與運算得到最終的結果。此外利用新的更新策略來快速的對背景進行建模，利用像素點的穩(wěn)定性來調整像素點的更新速度進而減少算法運算量。
　　

5、2、運動目標定位:本文在對視頻圖像運動目標精確檢測的基礎上對其進行定位，定位是主要是在視頻中準確地將運動目標標記出來并且給出運動目標的中心位置和重心位置的具體坐標。
　　 本文提到的算法能夠在Windows操作系統(tǒng)下的Microsoft Visual Studio開發(fā)平臺環(huán)境下進行仿真實驗。通過實驗得到的效果來看，本文改進的運動目標檢測與定位算法是可行的，對運動目標可以準確的檢測和定位。這個算法與傳統(tǒng)的算法相比在消除復雜場景的各