基于圖像序列的多目標檢測與跟蹤.pdf

1、運動目標檢測與跟蹤是計算機視覺中一個重要的研究方向，它融合了計算機圖像處理、模式識別與人工智能等諸多相關(guān)領(lǐng)域的知識，并在軍事視覺制導、機器人視覺導航、智能人機交互、工業(yè)產(chǎn)品檢測、生物醫(yī)學、交通監(jiān)控、虛擬現(xiàn)實、運動分析等領(lǐng)域有著廣泛的應(yīng)用前景。
　　 本文研究了基于圖像序列的多目標檢測與跟蹤，其主要內(nèi)容包括：
　　 (1)對運動目標檢測與跟蹤的研究背景和意義進行了概括介紹，總結(jié)了目標檢測與跟蹤的一些常用方法，由此得出了該課

2、題的研究難點，為本文的研究提供了思路。
　　 (2)提出了基于像素概率模型的背景分割方法對圖像序列中的運動目標進行檢測，該方法用高斯混合模型描述每一像素在一段時間內(nèi)的色彩分布情況，再以具有最大適應(yīng)度值的子模型作為當前分布模型來描述每一像素的特征；然后通過初始分類階段和迭代分類階段，將像素分類為前景或背景；最后基于分類結(jié)果，利用在線EM算法更新模型參數(shù)。實驗結(jié)果表明，該方法是可行的且是魯棒的。
　　 (3)對Marko.C

3、hai.Mont.Carlo方法的基礎(chǔ)知識進行了簡單介紹，提出了基于MarkovChai.Mont.Carlo的灰度圖像分割方法，并給出了實驗結(jié)果，實驗結(jié)果表明該方法能有效地對灰度圖像進行分割，并為解決目標跟蹤中的遮擋問題提供了依據(jù)。
　　 (4)結(jié)合基于Marko.Chai.Mont.Carlo的灰度圖像分割方法，提出了基于MarkovChai.Mont.Carlo的運動目標檢測方法，該方法用矩形區(qū)域來近似目標，實驗結(jié)果表明該

4、方法能將前景圖像中相互融合的目標單獨地檢測出來，有效地解決了目標遮擋問題。
　　 (5)對多目標跟蹤過程中主要存在的問題進行分析，并對多目標跟蹤領(lǐng)域中的常用數(shù)據(jù)關(guān)聯(lián)算法進行了簡單描述；在此基礎(chǔ)上，提出了基于Marko.Chai.Mont.Carlo數(shù)據(jù)關(guān)聯(lián)的多目標跟蹤方法，并且針對監(jiān)控場景中目標數(shù)目確定與否，分別詳細描述了單掃描MCMCDA方法與多掃描MCMCDA方法，并給出了仿真實驗結(jié)果和真實圖像序列跟蹤結(jié)果，實驗結(jié)果表明了該