基于視覺注意的運動目標跟蹤系統(tǒng).pdf

1、視頻運動目標分析是計算機視覺領域的一個核心問題，在軍事、視頻監(jiān)控、等許多方面有著廣泛的應用前景。本文主要針對視頻運動目標分析應用于智能交通的場景，重點研究了基于注意機制的運動目標檢測、單體運動目標跟蹤、以及多運動目標之間跟蹤焦點轉(zhuǎn)移三個方面的問題，并加以實現(xiàn)和改進。
　　 本文按照基于注意力機制的顯著區(qū)域的提取、顯著區(qū)域內(nèi)運動目標跟蹤焦點的保持，以及顯著區(qū)域內(nèi)運動目標跟蹤焦點轉(zhuǎn)移的流程來撰寫。
　　 首先在顯著區(qū)域提取部

2、分，提出基于視覺注意機制的目標檢測算法。通過引入注意力機制概念，結(jié)合圖像的動態(tài)特征和靜態(tài)進行目標檢測。對傳統(tǒng)的基于動態(tài)特征的目標檢測方式進行改進：結(jié)合混合高斯建模以及幀間差分法進行前景提取，并在圖像的最佳尺度中進行圖像填充，有效解決了檢測目標的空洞現(xiàn)象，同時在背景更新中提出局部更新方法，避免局部背景突變而發(fā)生誤檢;基于靜態(tài)特征的目標檢測根據(jù)提取的顯著區(qū)域保持原始物體的一致性特點，從面積和體積上對檢測目標進行約束，成功解決因形態(tài)學作用而“

3、膨脹“現(xiàn)象。
　　 其次在顯著區(qū)域內(nèi)跟蹤焦點的保持方面，提出對于跟蹤區(qū)域顯著性的保持以及連續(xù)跟蹤的算法。一旦確定跟蹤顯著區(qū)域，保持該區(qū)域的顯著性大小，抑制其他顯著區(qū)域的顯著性。在此基礎上，保持對該區(qū)域內(nèi)的運動目標連續(xù)跟蹤。并在跟蹤過程中提出了基于粒子濾波的多相似度的條件密度跟蹤算法。改進了粒子濾波的重采樣過程，利用區(qū)域局部性原理，使權值大的粒子周圍分布較多的粒子，有效地較少了粒子的貧化現(xiàn)象，然后對圖像中的各個方向進行跟蹤，將非剛