基于超聲電機(jī)的視頻運(yùn)動目標(biāo)跟蹤系統(tǒng).pdf

1、運(yùn)動目標(biāo)的檢測和跟蹤是機(jī)器視覺研究領(lǐng)域的關(guān)鍵技術(shù)之一，同時也是該領(lǐng)域的研究熱點。在國內(nèi)外已經(jīng)引起了越來越多的關(guān)注。它是智能監(jiān)控、航空航天、人機(jī)交互等應(yīng)用的基礎(chǔ)與關(guān)鍵技術(shù)。本文主要研究了視頻圖像序列中的運(yùn)動目標(biāo)檢測和跟蹤算法相關(guān)問題，并提出了基于Mean-Shift的粒子濾波跟蹤算法，實現(xiàn)了具有運(yùn)動目標(biāo)檢測和跟蹤功能的監(jiān)控系統(tǒng)。本文主要研究內(nèi)容如下：
　　首先，分析總結(jié)了視頻目標(biāo)跟蹤算法的現(xiàn)狀，通過介紹并比較各種運(yùn)動物體跟蹤算法，提

2、出了一種基于顏色背景的混合高斯背景模型方法來檢測運(yùn)動目標(biāo)。該算法利用混合高斯背景模型，采用多個高斯分布，各個高斯分布參數(shù)及其權(quán)值隨時間的變化不斷更新，從而使背景可以在實時跟蹤過程中自適應(yīng)更新，確保在用背景減除法檢測運(yùn)動物體時的準(zhǔn)確性。
　　其次，分別研究了Mean-Shift算法和粒子濾波算法，根據(jù)Mean-Shift算法計算簡單但易受背景色彩干擾以及在存在遮擋情況下會出現(xiàn)丟失現(xiàn)象，而粒子濾波算法魯棒性好但計算量大的特點，各取兩種

3、算法之長，提出了Mean-Shift和粒子濾波的融合算法。該算法在保證跟蹤有效性的同時，縮短了跟蹤時間。
　　接著，使用兩臺行波型超聲電機(jī)作為云臺驅(qū)動部件實現(xiàn)平掃及俯仰兩自由度轉(zhuǎn)動，根據(jù)電機(jī)特性及控制要求，采用基于模糊理論的控制算法對電機(jī)的轉(zhuǎn)速及方向控制，從而使被跟蹤目標(biāo)處于視頻中間位置，達(dá)到跟蹤目的。
　　最后，根據(jù)本文提出的方案進(jìn)行實驗，通過對實驗結(jié)果的數(shù)據(jù)進(jìn)一步分析和討論，驗證了所提方法的有效性和實用性。同時使用C＃語