復(fù)雜運動情況下多運動目標(biāo)的檢測與跟蹤.pdf

1、目前，機(jī)器視覺技術(shù)在智能化生活，工業(yè)生產(chǎn)，醫(yī)療領(lǐng)域和軍事領(lǐng)域中受到了廣泛應(yīng)用。目標(biāo)檢測提取、識別和跟蹤技術(shù)是對其進(jìn)行研究的主體內(nèi)容，這些方面由于其具有較大的科研價值和應(yīng)用前景，成為國內(nèi)外學(xué)者積極研究的課題之一。
　　本論文設(shè)定固定場景、復(fù)雜背景中多運動目標(biāo)的檢測與跟蹤作為研究的主要內(nèi)容，對于目前主流目標(biāo)檢測與跟蹤算法，本文在對其理論研究的基礎(chǔ)上，對各自算法的優(yōu)勢及缺陷進(jìn)行分析，進(jìn)而針對檢測與跟蹤領(lǐng)域的部分重要算法進(jìn)行優(yōu)化，論文通過

2、理論分析和實驗仿真，論證改進(jìn)后的算法在運動目標(biāo)檢測與跟蹤方面的性能優(yōu)勢。論文的主要內(nèi)容安排如下：
　　首先，進(jìn)行運動目標(biāo)檢測技術(shù)的研究，幀間差分法和背景差分法是兩種最典型的運動目標(biāo)檢測算法，本文充分分析其應(yīng)用的適用范圍和不足之處，并對運動物體陰影的產(chǎn)生原因與去除方法進(jìn)行了理論分析與實驗仿真。對于運動目標(biāo)跟蹤算法，kalman濾波算法和Mean-Shift算法是兩種優(yōu)秀目標(biāo)跟蹤算法，本文對以上兩種算法進(jìn)行深入研究，為針對其要進(jìn)行的算

3、法優(yōu)化打下了良好的理論基礎(chǔ)。
　　其次，本文對三幀差分的檢測方法進(jìn)行改進(jìn)，提出了一種三幀差分法與混合高斯模型相結(jié)合的算法對運動目標(biāo)進(jìn)行檢測，并結(jié)合kalman濾波預(yù)測跟蹤的新型多運動目標(biāo)檢測與跟蹤系統(tǒng)，經(jīng)過兩個仿真論證所設(shè)計的算法所取得的性能優(yōu)勢。
　　最后，論文提出一種新型的特定目標(biāo)跟蹤系統(tǒng)，它將多特征融合的Mean-Shift與kalman濾波算法進(jìn)行有機(jī)融合。這個跟蹤系統(tǒng)設(shè)計兩個創(chuàng)新之處：首先利用紋理與顏色特征混合進(jìn)行

4、Mean-Shift目標(biāo)建模；其次，為進(jìn)一步保證準(zhǔn)確抗干擾性，本文采用相似度判斷與kalman濾波預(yù)測相結(jié)合的方法對目標(biāo)模板進(jìn)行實時更新，這種方法可以有效平衡算法的魯棒性與實時性，并且在出現(xiàn)跟蹤目標(biāo)大幅度遮擋狀況下，僅通過kalman濾波預(yù)測來實現(xiàn)目標(biāo)的準(zhǔn)確跟蹤，從而減少算法的迭代次數(shù)。最后經(jīng)過三組實驗仿真證明，改進(jìn)的特定目標(biāo)跟蹤系統(tǒng)針對此目標(biāo)的嚴(yán)重遮擋、大范圍相似顏色前景背景干擾、或是運動目標(biāo)速度過快情況時效果優(yōu)異。本文通過對目標(biāo)檢測