復雜場景下運動目標檢測與跟蹤的算法研究.pdf

1、運動目標檢測和跟蹤作為計算機視覺領(lǐng)域的研究熱點之一，廣泛應用于智能視頻監(jiān)控、人機交互、視頻會議等領(lǐng)域。運動目標檢測與跟蹤的主要目的是利用計算機模擬人類視覺感知功能，從而實現(xiàn)從序列圖像中發(fā)現(xiàn)目標、跟蹤目標，并對目標的行為進行識別和理解。本文對運動目標檢測和跟蹤的關(guān)鍵技術(shù)進行研究。主要工作和貢獻如下：
　　 1.提出了一種基于背景差分的目標檢測算法。通過多個高斯模型對背景建模，然后采用背景差分取得前景。再將它與幀間差分法提取的前景做

2、或運算。最后對前景圖像進行形態(tài)學處理，連通域分割，取得完整的目標。實驗結(jié)果表明算法的有效性。
　　 2.提出了一種將改進的Mean Shift算法與卡爾曼濾波相結(jié)合的目標跟蹤算法。由于運動目標顏色與背景容易產(chǎn)生混淆，導致Mean Shift算法無法正常工作。本文采用邊緣方向直方圖作為運動目標的特征來實現(xiàn)Mean Shift。當運動目標沒有被遮擋時，以卡爾曼濾波的預測結(jié)果作為改進的Mean Shift算法的跟蹤起點，在準確地跟蹤運

3、動目標的同時，又能夠有效的減少改進的Mean Shift算法的迭代次數(shù)，提高整個跟蹤過程的速度。當目標被遮擋時，則僅僅采用卡爾曼濾波的預測結(jié)果作為運動目標的位置，而不運行改進的Mean Shift算法。這樣，不僅可以有效克服Mean Shift算法不能處理遮擋問題，同時能夠提高跟蹤的速度。實驗結(jié)果表明新算法具有更好的跟蹤結(jié)果，以及更高的效率。
　　 3.提出了一種多特征融合的粒子濾波跟蹤算法。由于單一特征在復雜場景下描述目標不夠