智能視覺監(jiān)視中目標(biāo)檢測(cè)與跟蹤算法研究.pdf

1、智能視覺監(jiān)視系統(tǒng)以其直觀、智能化、網(wǎng)絡(luò)化和豐富的信息等特點(diǎn)越來越受到重視，成為近年來計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。智能視覺監(jiān)視在交通、軍事、安全、人機(jī)交互、醫(yī)療等眾多領(lǐng)域有著廣泛應(yīng)用前景。運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤問題是智能視覺監(jiān)視中的最基本的問題，是整個(gè)視覺監(jiān)視的基礎(chǔ)，對(duì)智能視覺監(jiān)視的后續(xù)處理過程是至關(guān)重要的。本文主要圍繞智能視覺監(jiān)視中的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤等關(guān)鍵技術(shù)進(jìn)行研究，以提高目標(biāo)檢測(cè)和跟蹤方法在實(shí)時(shí)性、魯棒性和準(zhǔn)確性等方面的性能。本文首先

2、對(duì)背景建模技術(shù)進(jìn)行了研究，總結(jié)了當(dāng)前背景建模算法的研究現(xiàn)狀，重點(diǎn)研究了碼本模型算法，分析了原始碼本模型算法的局限性，在此基礎(chǔ)上，提出了一種基于盒的碼本模型的背景建模算法。該算法通過構(gòu)建一個(gè)基于盒的測(cè)度來對(duì)圖像幀的像素值進(jìn)行匹配，實(shí)現(xiàn)背景的建模，然后通過背景減除法將輸入像素分類為背景或運(yùn)動(dòng)目標(biāo)。該算法考慮了光照和陰影的影響，能夠處理多峰的動(dòng)態(tài)背景，在構(gòu)建碼本模型時(shí)允許運(yùn)動(dòng)目標(biāo)存在，減小了計(jì)算復(fù)雜度，適合于靜態(tài)攝像機(jī)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)。<

3、br>　　 隨后，本文將基于碼本模型的背景建模技術(shù)與基于特征點(diǎn)的目標(biāo)跟蹤技術(shù)相結(jié)合，通過對(duì)現(xiàn)有的基于特征點(diǎn)跟蹤算法的分析，提出了一種基于SIFT 特征的目標(biāo)跟蹤算法。該算法首先通過背景減除技術(shù)獲得運(yùn)動(dòng)目標(biāo)區(qū)域，然后提取運(yùn)動(dòng)目標(biāo)區(qū)域的SIFT 特征，接著使用目標(biāo)的SIFT 特征與前一幀目標(biāo)的SIFT 特征進(jìn)行匹配，從而實(shí)現(xiàn)對(duì)目標(biāo)的跟蹤。該算法通過只提取目標(biāo)區(qū)域的特征點(diǎn)來實(shí)現(xiàn)了目標(biāo)的特征分組問題，并且由于只提取目標(biāo)區(qū)域的SIFT 特征，減

4、小了計(jì)算量，并且該算法能夠處理部分遮擋問題。
　　 本文還對(duì)活動(dòng)輪廓模型算法進(jìn)行了研究，在分析現(xiàn)有的基于活動(dòng)輪廓模型的目標(biāo)檢測(cè)和跟蹤算法基礎(chǔ)上，提出了一種基于活動(dòng)輪廓模型的多目標(biāo)跟蹤算法。該算法采用全局最小化活動(dòng)輪廓模型來進(jìn)行目標(biāo)檢測(cè)和跟蹤，不會(huì)陷入局部最小值，能夠自動(dòng)處理目標(biāo)的拓?fù)渥兓?，采用了快速?shù)值實(shí)現(xiàn)方案，計(jì)算量小，在噪聲情況下，仍能對(duì)多個(gè)目標(biāo)進(jìn)行檢測(cè)和跟蹤。
　　 最后，為了有效跟蹤變形目標(biāo)，本文對(duì)粒子濾波算法在