動態(tài)背景下運動目標的檢測與跟蹤.pdf

1、計算機視覺是計算機學科中的一個重要領域，而視頻中的目標檢測與跟蹤是計算機視覺領域中一個非常重要的研究課題。傳統(tǒng)的目標檢測與跟蹤通常是針對背景不變的場景的，而隨著拍攝手段的多樣化，出現(xiàn)了越來越多的可移動攝像頭，如航拍設備、車載設備、手持設備和機器人等。當背景運動時，固定場景下的目標檢測與跟蹤方法大多不再有效。因此研究移動攝像下的目標檢測與跟蹤顯得非常必要。本文對動態(tài)背景下的目標檢測與跟蹤進行研究，探討了目標檢測與跟蹤的原理和有效算法，具有

2、較重要的學術意義和應用價值。
　　本文對目標檢測與跟蹤的研究現(xiàn)狀作了較為詳盡的綜述。針對動態(tài)背景下運動背景對目標檢測造成的干擾，通過基于SURF特征點的圖像匹配方法來補償背景的運動,進而用幀差法實現(xiàn)對運動目標的檢測。其中在特征點篩選的環(huán)節(jié)本文創(chuàng)新的將網(wǎng)格與特征點的運動矢量相結合，不僅可以排除誤匹配的特征點對，還可以排除選在了目標上的特征點，提高了全局運動參數(shù)的準確性。
　　對于動態(tài)背景的目標跟蹤，本文基于目前比較熱門的TLD

3、算法進行了改進。TLD算法共分為檢測模塊、跟蹤模塊、綜合模塊和學習模塊四個部分，跟蹤模塊以之前一幀中得到的目標區(qū)域中的內(nèi)容來預測其在當前幀畫面中的位置；檢測模塊在當前幀中進行目標檢測；綜合模塊將檢測模塊與跟蹤模塊的結果綜合進行考慮，來確定目標在當前幀中的位置；學習模塊持續(xù)的訓練分類器，來保證整個算法的性能。針對原始TLD算法對出現(xiàn)較大形變或漂移的目標識別率不高的問題，改進了算法中的學習模塊，通過增加檢測模塊沒有輸出時的系統(tǒng)輸出來提高識別