基于OpenCV的運(yùn)動目標(biāo)檢測與跟蹤算法研究.pdf

1、目標(biāo)檢測與跟蹤作為一個新興的研究領(lǐng)域，在人類社會步入21世紀(jì)以來，在科學(xué)與工程中的研究價值越來越重要，在生產(chǎn)生活中的應(yīng)用前景也越來越廣泛。其實際應(yīng)用場景主要包括有：智能化視頻監(jiān)控、智能人機(jī)交互、醫(yī)療診斷、虛擬現(xiàn)實以及軍事等領(lǐng)域。本論文主要研究內(nèi)容包括如何使用個人計算機(jī)的硬件平臺和相關(guān)算法，實現(xiàn)從視頻圖像序列中獲得所需的運(yùn)動物體的相關(guān)數(shù)據(jù)，來有效實現(xiàn)對運(yùn)動目標(biāo)的檢測和跟蹤。
　　本論文主要以視頻中的運(yùn)動目標(biāo)為對象研究了目標(biāo)檢測與跟蹤

2、算法，主要工作如下：
　　(1)本文以VS2010為軟件平臺，通過調(diào)用OpenCV庫里的函數(shù)進(jìn)行算法設(shè)計。首先，正確配置OpenCV平臺，并對OpenCV的函數(shù)庫進(jìn)行了介紹，最終完成了實驗環(huán)境的構(gòu)建工作。
　　(2)針對高斯噪聲和椒鹽噪聲，對圖像進(jìn)行預(yù)處理，介紹了去除噪聲的幾種濾波方法，深入分析了均值濾波算法及中值濾波算法；結(jié)合了圖像腐蝕技術(shù)和圖像膨脹技術(shù)研究了圖像修復(fù)技術(shù)。
　　(3)在簡單靜態(tài)背景下，對幀差法、背景

3、差法、光流法三種運(yùn)動目標(biāo)檢測算法進(jìn)行了詳細(xì)的分析和探討?？紤]每種算法的優(yōu)點和不足，結(jié)合了背景差分算法與幀間差分算法各自的優(yōu)點，運(yùn)用了基于混合高斯模型的檢測方法。通過實驗可以得出結(jié)論:該算法實現(xiàn)了自適應(yīng)獲取背景圖像，并且使背景圖像排除了運(yùn)動目標(biāo)干擾，成功檢測出了運(yùn)動目標(biāo)，取得了良好的檢測效果。
　　(4)深入研究了CamShift算法及Kalman濾波算法，針對CamShift算法具有的局限性，結(jié)合了CamShift算法及Kalma