視頻中運動物體的檢測與跟蹤.pdf

1、近年來，數(shù)字圖像處理和計算機視覺發(fā)展十分迅速，目前正廣泛地應(yīng)用于軍用和民用等各個領(lǐng)域，例如重要場所的安全監(jiān)控、工業(yè)生產(chǎn)過程動態(tài)監(jiān)視，動態(tài)機器人視覺等等，它是智能機器獲取外部信息和理解世界的重要途徑。運動檢測與目標(biāo)跟蹤是計算機視覺中兩個最重要的應(yīng)用，所以具有很大的現(xiàn)實意義和實際價值，這也是本文的研究內(nèi)容。 本論文的選題是山東省計算中心的一個內(nèi)部課題：智能視頻監(jiān)控。其目的是設(shè)計出能適用于多種復(fù)雜場景，能排除干擾，具備實時和自適應(yīng)能力

2、的運動物體的檢測與跟蹤算法，為智能視頻監(jiān)控中更復(fù)雜的其他工作提供有效的依據(jù)，從而提高智能監(jiān)控的自動化、現(xiàn)代化水平。 本文的主要工作內(nèi)容如下： ①對于運動檢測，本文首先提出了一種仿單高斯建模的單幀閾值選取算法，這是一種比較適合室內(nèi)等運動背景比較簡單的視頻場景的閾值選取算法，使用簡單快速，而且可以完整的提取運動物體的特征點。在此基礎(chǔ)上針對背景復(fù)雜的視頻序列，我們又提出了一種綜合閾值選取算法，此算法可有效地彌補時間差分法自身無

3、法克服的空洞現(xiàn)象，提取完整的目標(biāo)特征，同時，從根本上抑止了背景干擾，對背景簡單和復(fù)雜的環(huán)境適用力都很理想，實現(xiàn)準(zhǔn)確實時的目標(biāo)檢測，提高了目標(biāo)檢測的魯棒性。 ②對于運動檢測后期的區(qū)域合并工作，本文提出了一種最短距離區(qū)域合并算法，用于結(jié)合被分離的運動目標(biāo)的區(qū)域?，F(xiàn)在通常的算法是用兩個相鄰區(qū)域中心點的距離是否滿足閾值的要求來判斷這兩個區(qū)域是否屬于同一個運動前景目標(biāo)，而本文采用計算相鄰區(qū)域間的最短距離對兩個運動區(qū)域之間的關(guān)系進(jìn)行更準(zhǔn)確細(xì)

4、微的定位，從而提高運動檢測的正確率。 ③對于運動跟蹤，本文提出了一種改進(jìn)的Camshift跟蹤算法。針對Camshift自身存在的問題，從準(zhǔn)確預(yù)測目標(biāo)位置及縮小目標(biāo)搜索范圍入手對Camshift算法進(jìn)行了改進(jìn)，該算法使用運動目標(biāo)加速度運動位移方程預(yù)測下一時刻目標(biāo)可能出現(xiàn)的位置，使用預(yù)測位置誤差方程估計運動目標(biāo)搜索范圍，并使用IIR濾波器對目標(biāo)運動速度、加速度等參數(shù)自適應(yīng)地修正。實驗證明，改進(jìn)的Camshift有效地克服了Cams