基于視頻的運(yùn)動目標(biāo)檢測與跟蹤研究.pdf

1、視頻運(yùn)動目標(biāo)檢測與跟蹤是計算機(jī)視覺領(lǐng)域的一個重要的方向，它融合了圖像處理，數(shù)理分析，概率密度分析等多個領(lǐng)域的知識，廣泛應(yīng)用于安防，醫(yī)療，視頻監(jiān)控，智能交通等領(lǐng)域。實(shí)現(xiàn)了用計算機(jī)代替人眼，智能進(jìn)行對外界物體運(yùn)動的分析，為人類生活工作提供很大的便利。目前，目標(biāo)檢測和目標(biāo)跟蹤的技術(shù)已日趨成熟，但是環(huán)境復(fù)雜、嚴(yán)重遮擋、多目標(biāo)跟蹤的情況，成為視頻運(yùn)動目標(biāo)檢測與跟蹤發(fā)展的主要障礙。為突破這些障礙本文提出了改進(jìn)的方法。但是，為了提出的方法更準(zhǔn)確，需要

2、做的工作還有很多。
　　本文的主要研究內(nèi)容如下:
　　介紹了研究視頻運(yùn)動目標(biāo)檢測與跟蹤的課題的目的和意義以及該研究國內(nèi)外主要的現(xiàn)狀。在運(yùn)動目標(biāo)檢測中簡單介紹了背景差分法、幀間差分法、光流法三種常用算法。但是在實(shí)際觀測過程中，由于攝像設(shè)備，天氣或者光照遮擋以及夜間光照不足等環(huán)境影響，機(jī)器所采集的視頻圖像不是最完美的，包含許多的噪聲。所以必須在處理和分析視頻圖像數(shù)據(jù)前，對得到的視頻圖像幀進(jìn)行平滑濾波。提出了在背景差分法的基礎(chǔ)上，

3、對得到的二值圖像進(jìn)行濾波去噪和形態(tài)學(xué)處理，最后融合了目標(biāo)特征的分析來檢測出運(yùn)動目標(biāo)的新檢測方法。實(shí)驗表明，在實(shí)際視頻監(jiān)控中，不管是紅外監(jiān)控還是可見光視頻監(jiān)控，對背景差分法改進(jìn)的新檢測方法能很好的實(shí)現(xiàn)對運(yùn)動目標(biāo)的檢測。
　　運(yùn)動目標(biāo)跟蹤，是根據(jù)之前學(xué)習(xí)的信息對當(dāng)前幀的目標(biāo)信息進(jìn)行預(yù)測估計的過程。目前常用的目標(biāo)跟蹤算法有粒子濾波、Mean shift算法。本文根據(jù)Mean shift進(jìn)行了跟蹤。在一般的情況下，算法通過目標(biāo)模型，候選模

4、型的建立和相似性度量的分析能正確的跟蹤所需要跟蹤的目標(biāo)。具體方法是先建立起目標(biāo)模型，通過計算目標(biāo)特征值的概率;然后在建立了候選目標(biāo)模型，通過計算后續(xù)幀圖像可能存在目標(biāo)區(qū)域的特征值。在目標(biāo)模型和候選模型的基礎(chǔ)上利用Bhattacharyya相似函數(shù)度量相似性，求取相似函數(shù)的最大值得到Mean shift向量，不斷迭代計算Mean shift向量，最終收斂到目標(biāo)的真實(shí)位置。
　　同時本文提出通過kalman濾波器的預(yù)測功能來處理目標(biāo)跟

5、蹤過程中出現(xiàn)嚴(yán)重甚至完全遮擋的情況。由于依靠顏色信息來作為特征進(jìn)行跟蹤，會導(dǎo)致在嚴(yán)重遮擋時發(fā)生跟蹤不準(zhǔn)確，我們利用Mean shift算法和kalman濾波器的方法分別進(jìn)行跟蹤和預(yù)測，并把跟蹤的結(jié)果作為kalman的觀測值進(jìn)行校正。對于遮擋判別方面，我們采用遮擋因子進(jìn)行判別。一旦嚴(yán)重遮擋發(fā)生，將利用kalman進(jìn)行預(yù)測，預(yù)測值作為跟蹤的結(jié)果。實(shí)驗表明，在Mean shift的基礎(chǔ)上利用kalman濾波器進(jìn)行預(yù)測跟蹤的算法對遮擋過程中的目