視頻圖像中運動目標檢測與跟蹤算法研究.pdf

1、運動目標檢測與跟蹤是機器視覺領域的重要研究方向之一，它是智能交通、人機交互、視覺導航和智能監(jiān)控等工程應用中的基礎和關鍵技術，其在技術上主要涉及到數(shù)字圖像處理、機器視覺、模式識別和人工智能等諸多領域，因此具有很強的理論研究和工程應用價值。
　　本文針對視頻圖像中的運動目標檢測與跟蹤算法展開研究，主要研究內容如下：
　　1.在運動目標檢測方面：分析總結了混合高斯模型、非參數(shù)核密度方法的特點及其適用范圍，提出了一種基于時空熵分析的

2、核密度估計方法。該方法根據(jù)場景的像素動態(tài)復雜度計算場景的時空熵模型，然后按照熵值圖將場景分割為穩(wěn)定區(qū)域和動態(tài)區(qū)域，最后在各自區(qū)域采用不同數(shù)量的樣本進行估計以達到檢測效果和算法效率的平衡。實驗結果表明該方法能有效分割運動目標，具有較強的穩(wěn)定性和魯棒性，并且具備更快的背景模型更新速度。
　　2.在目標跟蹤方面：首先對基于壓縮感知的跟蹤方法展開了分析，針對該方法由于特征單一易導致跟蹤不穩(wěn)定的問題，提出了一種自適應特征融合的改進方法，并用

3、實驗結果予以了驗證，同時，針對特征分類能力不穩(wěn)定的問題，提出了一種基于在線特征選擇的壓縮跟蹤方法，通過引入特征選擇機制來挑選最優(yōu)特征，該特征選擇機制從特征池中挑選出能有效區(qū)分正負樣本的特征。改進后的方法能改善由于特征分類能力不穩(wěn)定而引起的跟蹤漂移等問題，同時選擇性的更新機制能有效地處理部分遮擋問題。大量實驗結果表明本文算法能提高跟蹤精度和穩(wěn)定性。
　　3.基于上述跟蹤算法的研究成果，結合項目需求設計了一套疲勞狀態(tài)監(jiān)測系統(tǒng)。該系統(tǒng)基