基于視頻的運動目標檢測與跟蹤算法的研究.pdf

1、近年來隨著科學水平的發(fā)展與計算機技術的進步，運動目標檢測與跟蹤技術取得了許多成果，期間涌現(xiàn)出不少優(yōu)秀算法，實際應用領域也愈加寬廣。然而，在復雜環(huán)境下，依舊存在著很多問題。針對運動目標檢測與跟蹤算法存在的不足，本文提出了一種新的運動目標檢測與跟蹤算法?？偟膩碚f，本文主要研究工作和創(chuàng)新性如下：
　　1、圖像處理基礎知識的介紹。本文概括介紹了圖像平滑處理、邊緣檢測和數(shù)學形態(tài)學處理的相關知識，針對本文所涉及的一些處理技術，包括中值濾波、C

2、anny算子、膨脹腐蝕等進行了詳細介紹。
　　2、運動目標檢測算法的研究。首先，介紹了傳統(tǒng)的光流法、幀間差分法及背景差分法的基礎概念及公式原理，并對其中幾種代表性的算法進行分析對比，列出了它們的優(yōu)缺點。然后，在此基礎上提出了一種基于視覺背景提取模型的新算法——IDVibe算法。該算法分別從模型建立、模型匹配、模型更新及前景分割四個方面進行改進，通過融入三幀差分法的思想，有效地解決了“鬼影”、光照變化等問題。最后，通過實驗仿真可以得

3、到，本文提出的檢測算法能更好地適應動態(tài)復雜的環(huán)境，有良好的檢測效果和魯棒性。
　　3、運動目標跟蹤算法的研究。本文以卡爾曼濾波跟蹤算法、Mean shift算法和粒子濾波算法為基礎，提出了一種融合多特征與Mean Shift的粒子濾波跟蹤算法。首先，通過IDVibe算法對運動目標進行檢測、定位。然后，融合顏色、紋理及邊緣的特征信息進行模型匹配，實現(xiàn)粒子濾波跟蹤。最后，運用Mean shift算法的收斂性，將粒子重新聚集到真實目標附