視頻監(jiān)控系統(tǒng)中的多目標(biāo)檢測(cè)與跟蹤技術(shù)研究.pdf

1、在智能視頻監(jiān)控系統(tǒng)中,運(yùn)動(dòng)目標(biāo)尤其是多個(gè)運(yùn)動(dòng)目標(biāo)的檢測(cè)跟蹤技術(shù)是比較關(guān)鍵的技術(shù),在軍事和民用中都有著廣泛的應(yīng)用。這兩項(xiàng)技術(shù)也是視頻場(chǎng)景分析、行為理解等各種后續(xù)處理的基礎(chǔ)。
　　 運(yùn)動(dòng)目標(biāo)檢測(cè)是把感興趣的運(yùn)動(dòng)物體從背景中提取出來(lái)。當(dāng)背景比較簡(jiǎn)單且影響較小時(shí),我們可以快速提取目標(biāo)；但是當(dāng)背景發(fā)生細(xì)微抖動(dòng)時(shí),有效的檢測(cè)就變得復(fù)雜很多。在第二章中提出了改進(jìn)的三幀差分法,結(jié)合形態(tài)學(xué)濾波與連通域檢測(cè)等多項(xiàng)技術(shù),最終實(shí)現(xiàn)多個(gè)運(yùn)動(dòng)目標(biāo)的檢測(cè)。<

2、br>　　 在計(jì)算機(jī)視覺(jué)跟蹤領(lǐng)域,Mean-Shift算法是一個(gè)很好的算法。該算法實(shí)時(shí)性好,對(duì)目標(biāo)的遮擋、旋轉(zhuǎn)、變形等魯棒性強(qiáng),因此受到了眾多研究者的關(guān)注,并已經(jīng)成功地應(yīng)用到許多視頻跟蹤系統(tǒng)中。但是Mean-Shift算法本身沒(méi)有實(shí)現(xiàn)模版更新,傳統(tǒng)算法僅僅依靠初始化選擇特征,可能導(dǎo)致后期跟蹤的失敗。第三章提出了一種相似度判斷與Kalman濾波預(yù)測(cè)相結(jié)合的方法對(duì)目標(biāo)模板進(jìn)行實(shí)時(shí)的更新,在保證算法實(shí)時(shí)性的同時(shí),魯棒性也更好。當(dāng)跟蹤目標(biāo)發(fā)生

3、完全遮擋時(shí),通過(guò)結(jié)合Kalman濾波預(yù)測(cè)來(lái)實(shí)現(xiàn)目標(biāo)的準(zhǔn)確跟蹤,并減少了算法的迭代次數(shù)。
　　 第四章介紹了另外一種非常重要的目標(biāo)跟蹤算法:粒子濾波。針對(duì)多目標(biāo)跟蹤中的難點(diǎn),本文提出了基于HSV核直方圖的粒子濾波跟蹤算法,并采用了一種基于非均勻樣本的重采樣算法。粒子濾波算法的最大缺點(diǎn)就是實(shí)時(shí)性不強(qiáng),新的算法在不增加算法復(fù)雜度的基礎(chǔ)上,充分利用跟蹤過(guò)程中粒子的狀態(tài)值實(shí)現(xiàn)粒子的重采樣,使粒子表示狀態(tài)更加合理。實(shí)驗(yàn)結(jié)果證明,算法能夠比較