多媒體傳感器網(wǎng)絡(luò)目標(biāo)檢測(cè)與跟蹤算法研究與實(shí)現(xiàn).pdf

1、在多媒體傳感器網(wǎng)絡(luò)采集的多種媒體信息里，圖像信息的含量超過(guò)70％，所以，基于圖像序列的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法是多媒體傳感器網(wǎng)絡(luò)研究的重點(diǎn)。多媒體傳感器網(wǎng)絡(luò)對(duì)得到的圖像序列進(jìn)行分析和處理，檢測(cè)是否存在感興趣的運(yùn)動(dòng)目標(biāo)，并且提取運(yùn)動(dòng)目標(biāo)的有用信息，進(jìn)行跟蹤和預(yù)測(cè)，實(shí)現(xiàn)對(duì)場(chǎng)景的智能監(jiān)控。 通過(guò)對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的深入研究，本文創(chuàng)新性地進(jìn)行了目標(biāo)檢測(cè)與跟蹤算法的研究和設(shè)計(jì)，并對(duì)視頻傳感器節(jié)點(diǎn)的目標(biāo)檢測(cè)與跟蹤算法軟件進(jìn)行設(shè)計(jì)開(kāi)發(fā)。本

2、文的工作和創(chuàng)新有： 1．充分利用對(duì)運(yùn)動(dòng)目標(biāo)跟蹤和預(yù)測(cè)的結(jié)果，提出了基于卡爾曼濾波的自適應(yīng)塊運(yùn)動(dòng)估計(jì)算法進(jìn)行全局運(yùn)動(dòng)補(bǔ)償。該方法充分利用通過(guò)卡爾曼濾波預(yù)測(cè)運(yùn)動(dòng)目標(biāo)在下一幀圖像里的位置，根據(jù)預(yù)測(cè)的結(jié)果選擇求解運(yùn)動(dòng)矢量的圖像塊?？紤]了幀間運(yùn)動(dòng)信息的相關(guān)性，使用新三步搜索算法來(lái)增大搜索策略的準(zhǔn)確性。實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法可以提高模型參數(shù)求解的精度和速度。 2．去除攝像機(jī)的運(yùn)動(dòng)造成圖像背景的變化是運(yùn)動(dòng)目標(biāo)檢測(cè)的一個(gè)重點(diǎn)和難點(diǎn)。在對(duì)當(dāng)

3、前的全局運(yùn)動(dòng)估計(jì)算法進(jìn)行整體研究之后，通過(guò)對(duì)序列圖像的背景進(jìn)行建模，采用攝像機(jī)6參數(shù)模型進(jìn)行全局運(yùn)動(dòng)估計(jì)。通過(guò)使用圖像的局部塊來(lái)進(jìn)行二維圖像運(yùn)動(dòng)估計(jì)，進(jìn)而提高了整體運(yùn)算速度。對(duì)得到的局部塊運(yùn)動(dòng)估計(jì)結(jié)果，采用循環(huán)迭代擬合的方式，去除不屬于背景區(qū)域的塊估計(jì)結(jié)果，最后得到合理的攝像機(jī)6參數(shù)運(yùn)動(dòng)模型的系數(shù)，并利用獲得的攝像機(jī)6參數(shù)模型實(shí)現(xiàn)運(yùn)動(dòng)補(bǔ)償。 3．去除序列圖像的噪聲是運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題的另一個(gè)重點(diǎn)。通過(guò)對(duì)小波系數(shù)理論的研究，多尺度小

4、波分解可以很好地對(duì)噪聲和圖像細(xì)節(jié)產(chǎn)生的高頻系數(shù)進(jìn)行區(qū)分。通過(guò)設(shè)置相應(yīng)的閾值可以很好地去除圖像的噪聲。對(duì)經(jīng)過(guò)運(yùn)動(dòng)補(bǔ)償和去噪的圖像，通過(guò)三幀差法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)。 4．對(duì)當(dāng)前幀圖像進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)后，可以獲得圖像里運(yùn)動(dòng)目標(biāo)的位置及大小等信息。充分利用序列圖像信息的相關(guān)性，采用基于卡爾曼濾波的目標(biāo)跟蹤方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤，并對(duì)下一幀里運(yùn)動(dòng)目標(biāo)的大致區(qū)域進(jìn)行預(yù)測(cè)，作為新一幀圖像全局運(yùn)動(dòng)估計(jì)的依據(jù)。 5．對(duì)視頻傳感器節(jié)點(diǎn)的運(yùn)動(dòng)目