基于背景差分與Mean Shift的運動目標檢測與跟蹤.pdf

1、運動目標的檢測與跟蹤是計算機視覺的核心問題，它融合了圖像處理、模式識別以及人工智能等多領域的技術，在視頻編碼、智能監(jiān)控、視頻分析以及軍事等領域有廣泛的應用，是目前研究的熱點問題之一。實踐表明目標的檢測與跟蹤技術還遠未成熟，要開發(fā)出真正魯棒、實用的檢測與跟蹤系統(tǒng)還需要更為魯棒的算法，為此，本文著重從以下三個方面進行研究和探討。
　　首先，針對傳統(tǒng)混合高斯分布模型計算量大的問題，提出像素點分類建模算法。對處于單模態(tài)的像素點使用單高斯分

2、布模型建模，對處于多模態(tài)的像素點使用混合高斯分布模型建模，基于不同問題分類處理，提高了系統(tǒng)的實時性。
　　其次，針對Mean Shift算法提取目標特征易受背景像素影響的問題，提出背景相似度算法來降低背景像素的權(quán)值，優(yōu)化目標特征的提取。同時，引入邊緣檢測算法提取目標的尺度，解決Mean Shift算法無法適應目標尺度變化的問題，并給出了目標模板更新策略。
　　然后，針對Mean Shift算法不能適應目標運動速度過快或受到大