基于活動輪廓模型和顏色信息的運動目標檢測與跟蹤算法.pdf

1、運動目標檢測與跟蹤技術是計算機視覺領域中的一個重要課題，也是計算機視覺系統(tǒng)的關鍵底層技術，其目的是運用計算機視覺從復雜的變化的背景環(huán)境中準確識別出所需的運動目標，并提取穩(wěn)定的目標特征，進而對目標的位置和姿態(tài)等信息進行快速實時的跟蹤?；谟嬎銠C視覺的應用范圍越來越廣，對運動目標檢測與跟蹤技術的要求也越來越高。
　　 當前大多數(shù)的運動目標檢測與跟蹤方法在灰度級圖像中進行，而實際場景中背景的復雜多變，光線亮度的變化、背景中物體的變動、

2、背景中存在與目標特征類似的物體、陰影、目標遮擋等問題，都給灰度級圖像運動目標的準確跟蹤帶來困難。因此，本文在總結(jié)和分析現(xiàn)有的運動目標檢測和跟蹤技術的基礎上，為充分利用圖像的彩色信息和運用偏三維約束活動輪廓模型對目標進行收斂檢測,提出了一種改進的邊緣檢測融合方法,并通過實驗證明了新方法的有效性。
　　 本文研究的具體算法為：首先，對采集到的圖像進行預處理，去除噪聲和干擾；其次，在目標檢測方面，通過利用多幀圖像平均法提取可靠的背景，

3、再通過背景差分法檢測出運動目標區(qū)域，并對其進行二值化形態(tài)學濾波獲得第一幀圖像初始輪廓。其他幀圖像輪廓均是由前兩幀圖像預測匹配得到。為充分利用彩色信息本文采用的邊緣檢測方法是通過對HSV三個分量分別用偏三維約束的活動輪廓模型進行迭代收斂，在獲得的三分量收斂輪廓圖的基礎上通過本文提出的改進的彩色邊緣檢測融合算法得到目標輪廓。在目標跟蹤方面，根據(jù)相鄰幀間物體變化的平滑性和一致性的特點，由前兩幀圖像的收斂輪廓通過預測匹配算法獲取當前幀目標的初始