復(fù)雜場(chǎng)景中視覺運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤.pdf

1、計(jì)算機(jī)視覺的研究目的是使用計(jì)算機(jī)代替人眼及大腦根據(jù)感測(cè)到的圖像對(duì)實(shí)際物體和場(chǎng)景做出有意義的判定。運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤是計(jì)算機(jī)視覺、模式識(shí)別、視頻編碼、基于內(nèi)容的檢索、智能視頻監(jiān)控等研究領(lǐng)域的重點(diǎn)與難點(diǎn),在科學(xué)研究和工程應(yīng)用上有十分誘人的前景。
　　動(dòng)態(tài)變化場(chǎng)景的監(jiān)控是近年來非常受關(guān)注的前沿研究方向。對(duì)現(xiàn)實(shí)復(fù)雜場(chǎng)景中運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤是智能視頻監(jiān)控中的關(guān)鍵技術(shù),其結(jié)果直接影響到隨后的行為理解和對(duì)監(jiān)控事件的處理。在結(jié)合數(shù)字視頻圖像處理

2、、統(tǒng)計(jì)計(jì)算、動(dòng)態(tài)系統(tǒng)分析等相關(guān)理論的基礎(chǔ)上,重點(diǎn)研究了復(fù)雜場(chǎng)景中視覺運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的方法。主要研究工作與創(chuàng)新點(diǎn)如下:
　　提出了一種在HSV色彩空間中運(yùn)用混合高斯模型背景消除法對(duì)色調(diào)和亮度分量聯(lián)合判決的運(yùn)動(dòng)目標(biāo)檢測(cè)新方法。在HSV色彩空間為動(dòng)態(tài)背景建立多個(gè)高斯模型,設(shè)定優(yōu)先級(jí)進(jìn)行排序,將最有可能的背景模型排在最前面,并且動(dòng)態(tài)地更新模型參數(shù)以適應(yīng)環(huán)境變化,然后使用色調(diào)和亮度分量聯(lián)合判決的方法檢測(cè)運(yùn)動(dòng)前景目標(biāo)。實(shí)驗(yàn)結(jié)果表明該方法能

3、有效地解決場(chǎng)景中樹木的搖晃,水面波光的反射,以及雨雪等干擾給目標(biāo)檢測(cè)帶來的困難,能準(zhǔn)確地檢測(cè)運(yùn)動(dòng)的目標(biāo)。
　　提出了在HSV色彩空間中通過對(duì)飽和度、亮度的閾值限定和色調(diào)的對(duì)比三要素均衡判定的運(yùn)動(dòng)目標(biāo)陰影消除方法。將檢測(cè)區(qū)域各點(diǎn)的像素值同背景中該處的像素值相比較,如果其飽和度和亮度都在一定的閾值之下,則該點(diǎn)有可能是陰影。然后再比較色調(diào)分量,利用陰影區(qū)域與背景區(qū)域色調(diào)不變的特性,如果該點(diǎn)色調(diào)值與背景區(qū)域相同位置點(diǎn)的色調(diào)值很接近,則可以

4、判定該點(diǎn)是陰影而不是運(yùn)動(dòng)目標(biāo)。
　　提出了一種將均值漂移算法與卡爾曼濾波相結(jié)合的跟蹤遮擋和未遮擋運(yùn)動(dòng)目標(biāo)的新方法。當(dāng)目標(biāo)未被遮擋時(shí),以卡爾曼濾波預(yù)測(cè)結(jié)果為起點(diǎn)進(jìn)行均值漂移迭代,準(zhǔn)確跟蹤運(yùn)動(dòng)目標(biāo)的位置,同時(shí)也減少均值漂移算法的迭代次數(shù),加快了跟蹤處理過程的速度。發(fā)現(xiàn)目標(biāo)被遮擋時(shí),以卡爾曼濾波預(yù)測(cè)結(jié)果作為運(yùn)動(dòng)目標(biāo)位置的預(yù)測(cè),暫時(shí)停止均值漂移迭代,克服了均值漂移算法不能解決的遮擋問題,有效地滿足跟蹤的魯棒性和實(shí)時(shí)性要求。實(shí)驗(yàn)的對(duì)比結(jié)果表

5、明了提出的新算法耗時(shí)少,魯棒性更強(qiáng)。
　　利用馬爾可夫鏈蒙特卡洛方法結(jié)合均值漂移算法重采樣改進(jìn)了粒子濾波視覺多目標(biāo)跟蹤算法。研究跟蹤多個(gè)具有相似外表和復(fù)雜運(yùn)動(dòng)的目標(biāo),將多目標(biāo)的跟蹤作為一個(gè)完整的動(dòng)態(tài)系統(tǒng),用貝葉斯方法對(duì)其建模。引入粒子濾波算法,利用一系列隨機(jī)樣本的加權(quán)和表示所需的后驗(yàn)概率密度,得到狀態(tài)的估計(jì)值,并用馬爾可夫鏈蒙特卡洛方法來解決重采樣時(shí)粒子的退化問題,用均值漂移算法對(duì)粒子進(jìn)行聚類,從而準(zhǔn)確有效地跟蹤多個(gè)相似運(yùn)動(dòng)目標(biāo)。