動(dòng)態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究.pdf

1、動(dòng)態(tài)場(chǎng)景下運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤有著非常廣泛的應(yīng)用場(chǎng)合，從日益流行的智能視頻監(jiān)控、交通監(jiān)視到軍事領(lǐng)域的武器制導(dǎo)，都能看到目標(biāo)檢測(cè)與跟蹤技術(shù)起著關(guān)鍵作用。背景建模、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是本文的重點(diǎn)研究?jī)?nèi)容。國(guó)內(nèi)外有眾多專家和學(xué)者在這些研究方向已經(jīng)耕耘多年，取得了豐碩的研究成果，但在復(fù)雜場(chǎng)景存在運(yùn)動(dòng)背景、陰影干擾和照明變化的情況下，運(yùn)動(dòng)目標(biāo)的準(zhǔn)確提取和有效跟蹤還面臨著許多挑戰(zhàn)。本文在前人的工作基礎(chǔ)上，主要研究了以下幾個(gè)方面內(nèi)容：
　　

2、（1）靜止成像平臺(tái)下基于背景建模的運(yùn)動(dòng)檢測(cè)算法。對(duì)Stauffer等提出的混合高斯模型算法進(jìn)行了研究和分析，提出了一組改進(jìn)的模型更新方程，提高了背景模型在繁忙場(chǎng)景下的收斂速度，同時(shí)各模型分量的學(xué)習(xí)率可以根據(jù)自身與背景的匹配程度自適應(yīng)調(diào)整，提高了模型的學(xué)習(xí)精度。在室外場(chǎng)景，目標(biāo)陰影常常干擾目標(biāo)區(qū)域分割精度，這進(jìn)一步影響后續(xù)目標(biāo)跟蹤與識(shí)別，本文通過(guò)融合改進(jìn)的混合高斯模型算法和基于RGB色彩空間的陰影抑制，改善了目標(biāo)提取效果。
　　

3、（2）運(yùn)動(dòng)成像平臺(tái)下基于圖像自動(dòng)配準(zhǔn)補(bǔ)償背景全局運(yùn)動(dòng)的目標(biāo)檢測(cè)方法。研究了SIFT特征提取及匹配算法，結(jié)合隨機(jī)抽樣一致性算法估計(jì)圖像變換矩陣，實(shí)現(xiàn)圖像自動(dòng)配準(zhǔn)變換基礎(chǔ)上，進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。實(shí)驗(yàn)結(jié)果表明本方法在運(yùn)動(dòng)平臺(tái)下能有效檢測(cè)目標(biāo)。
　　 （3）粒子濾波跟蹤算法以及多目標(biāo)關(guān)聯(lián)技術(shù)。在多目標(biāo)關(guān)聯(lián)技術(shù)方面，為了降低系統(tǒng)的復(fù)雜性，達(dá)到實(shí)時(shí)的處理效果，檢測(cè)到的目標(biāo)用它們的外接矩形來(lái)表征?；谝粋€(gè)簡(jiǎn)單有效的特征代價(jià)函數(shù)構(gòu)造關(guān)聯(lián)矩陣實(shí)現(xiàn)運(yùn)