智能監(jiān)控系統(tǒng)中運(yùn)動檢測與跟蹤方法的研究.pdf

1、本文研究的主要內(nèi)容是智能監(jiān)控系統(tǒng)中的運(yùn)動物體的檢測和跟蹤技術(shù)。智能監(jiān)控系統(tǒng)中運(yùn)動物體的檢測(包含去陰影)與跟蹤是計算機(jī)視覺領(lǐng)域和數(shù)字圖像處理領(lǐng)域的重要研究課題之一，也是近年來備受研究者關(guān)注的前沿方向。本文針對運(yùn)動目標(biāo)的檢測和跟蹤技術(shù)進(jìn)行了探索和研究，提出了新的方法，并通過實驗證明了新方法的有效性。主要研究包括以下幾個方面： 1．在幀差分的基礎(chǔ)上，提出了光流法和時間濾波相結(jié)合的運(yùn)動檢測算法。該方法在假設(shè)目標(biāo)在一定時間段內(nèi)運(yùn)動一致的

2、條件下，能從復(fù)雜背景中實時檢測出運(yùn)動區(qū)域。該算法魯棒性好，能在沒有背景，沒有任何包括物體大小、形狀等先驗知識的情況下結(jié)合梯度差分圖、光流計算和時間濾波器得到有效運(yùn)動區(qū)域。 2．基于陰影區(qū)域的亮度值低于對應(yīng)背景區(qū)域亮度值的原理去除陰影。首先將檢測結(jié)果分為高亮度部分和低亮度部分，其中高亮度部分完全由運(yùn)動目標(biāo)構(gòu)成，低亮度部分則是由運(yùn)動目標(biāo)的低亮度部分和陰影區(qū)域共同構(gòu)成；其次將對低亮度部分進(jìn)行分類，采用多閾值分割的方法對陰影區(qū)域和目標(biāo)的

3、低亮度部分進(jìn)行分離；最后將目標(biāo)的高亮度部分和低亮度部分融合，通過形態(tài)學(xué)去噪處理即可得到最終的檢測結(jié)果。實驗證明了該方法能實時地、有效地去除運(yùn)動目標(biāo)的影子。 3．基于粒子濾波對運(yùn)動目標(biāo)預(yù)測結(jié)果進(jìn)行跟蹤。在運(yùn)動目標(biāo)的實時跟蹤中，基于Kalman濾波預(yù)測的方法是常用的有效方法，但因目標(biāo)檢測時常將靠近的物體檢測成一個目標(biāo)引起誤檢現(xiàn)象，這會使在目標(biāo)匹配時產(chǎn)生錯誤。為此，提出了用粒子濾波預(yù)測取代Kalman預(yù)測的方法。實驗結(jié)果表明該方法能很