復雜場景下多運動目標檢測與跟蹤技術研究.pdf

1、智能視覺監(jiān)控是計算機視覺領域新興的研究方向，該方向融合了計算機應用、模式識別、圖像處理、人工智能、數(shù)學等多門學科的關鍵技術，現(xiàn)已廣泛應用于機器人導航、醫(yī)學圖像分析、智能交通、視頻監(jiān)控等領域。由于背景環(huán)境的復雜性、不同的光照條件、目標復雜的形狀及運動方式、多目標之間的相互遮擋等原因，目標檢測與跟蹤仍然是計算機視覺領域應用中最具挑戰(zhàn)性的任務之一。
　　本文在熟悉和掌握了相關圖像處理原理和技術的基礎上，對常用的目標檢測和跟蹤方法進行對比

2、分析，針對復雜場景下的多目標檢測和跟蹤進行了研究。本文主要做了如下的工作。
　　1、目標檢測方面，針對光照突變、攝像機抖動等復雜環(huán)境下的目標檢測問題，借鑒像素點灰度值聚類的思想，提出了一種改進的目標檢測算法。該算法將像素點劃分為背景點和前景點兩類，使用聚類的方法并采取像素級收斂條件，對背景點和前景點分別建立背景、前景模型。背景模型的建立與更新，適應場景發(fā)生的緩慢變化，使背景模型更接近真實場景，準確檢測運動目標：前景模型的建立與更新

3、，有利于在場景突變后穩(wěn)定的前景轉化成背景，快速建立背景模型。實驗結果表明，本文提出的方法具有很好的魯棒性，能夠快速準確地檢測出運動目標。
　　2、目標分割方面，利用一種簡單有效的方法對運動目標進行二值化；在形態(tài)學處理中，用統(tǒng)計滑動框內(nèi)有效像素點的個數(shù)來代替膨脹、腐蝕中像素點與結構元素的運算過程，極大減少統(tǒng)計次數(shù)；在連通域分割處理中，提出等價鏈表的概念，用簡單的替換工作完成兩輪掃描算法中的第二輪掃描。實驗結果表明，改進算法的執(zhí)行效率