靜止背景下運動目標(biāo)檢測和跟蹤的研究與實現(xiàn).pdf

1、運動目標(biāo)的動態(tài)圖像提供了比單一圖像更豐富的信息，通過對多幀圖像分析，可獲得從單一圖像中不可能得到的信息。運動目標(biāo)的圖像檢測、識別和跟蹤是在動態(tài)圖像分析的基礎(chǔ)上結(jié)合圖像識別和圖像檢測、跟蹤方法對圖像序列中的目標(biāo)進(jìn)行檢測．識別．跟蹤的過程。 本文以停車場車輛監(jiān)控系統(tǒng)為應(yīng)用背景，對運動的物體進(jìn)行識別、檢測和跟蹤，并鑒于軟件編程的可實現(xiàn)性，在對圖像進(jìn)行運動模糊復(fù)原的預(yù)處理前提下，采用Chris Stauffer和W．Eric L．Gri

2、mson等提出的自適應(yīng)高斯背景模型為靜止背景下的圖像序列提供背景圖像，同時為了能更好的響應(yīng)實際背景發(fā)生變化的情形，特別是對自適應(yīng)背景模型在獲取運動目標(biāo)期間所產(chǎn)生的“影子”問題，本文提出了算法上的改進(jìn)和簡化：1．以連續(xù)幾段很短的時間段內(nèi)視頻序列的多個單高斯建模為多高斯背景模型建模；2．適當(dāng)規(guī)定在編程中使用的初始權(quán)值；3．使用時變的權(quán)值更新率，以增大開始若干幀對模型建立的貢獻(xiàn)。通過實現(xiàn)結(jié)果的分析，改進(jìn)并簡化后的算法降低編程難度、提高運行速度

3、、有效的消除“影子”。 然后，為了從目標(biāo)檢測算法檢測出的前景點集中，把目標(biāo)完整地分割提取出來，從而獲得關(guān)于各前景目標(biāo)的特征描述，本文依據(jù)目標(biāo)的空間連續(xù)性，采用了數(shù)學(xué)形態(tài)學(xué)處理和連通區(qū)域檢測算法以去除噪聲和填補孔洞；并結(jié)合單高斯模型獲取背景估計圖像的特點，在兼顧減少噪聲和保持目標(biāo)完整的前提下，通過編程實現(xiàn)分析了背景消減后提取運動目標(biāo)的合理閾值，從而獲得理想的目標(biāo)背景的二值圖像。 最后對連續(xù)視屏序列結(jié)合邊緣跟蹤和區(qū)域增長法，