運動目標檢測和跟蹤算法研究.pdf

1、運動目標的檢測和跟蹤是計算機視覺領域的熱門課題，也是智能視頻監(jiān)控系統(tǒng)中最基本、應用最廣的智能分析技術，具有十分重要的理論意義和使用價值。論文主要研究了基于視頻序列的目標檢測和跟蹤算法，并對常用的檢測與跟蹤算法做了進一步的改進與完善。
　　 在運動目標檢測方面，本文使用背景減除法檢測運動目標。背景提取和背景更新選擇的是速度較快的Surrender方法。為了解決建立背景過程中目標檢測問題，在背景提取期間，采用幀差法檢測目標。在獲取背

2、景后，使用背景減除法檢測運動目標，并采用Surrender算法進行背景更新。
　　 在運動目標跟蹤方面，本文深入研究了Mean Shift算法和Cam Shift跟蹤算法，并進一步比較分析了兩種算法的優(yōu)點和局限性。對于一種能繼承Mean Shift算法的速度快和魯棒性強的特點，又能實現(xiàn)跟蹤窗的自適應變化的算法研究是本論文的重點。其中，判斷跟蹤目標的變化趨勢是解決此問題的關鍵。為此，本文引入了活動輪廓模型，利用Mean Shift

3、算法中的跟蹤窗作為活動輪廓模型的輪廓初始化，既能解決活動輪廓模型初始化的關鍵問題，又能分割出正在跟蹤的目標區(qū)域。本文在Mean Shift跟蹤算法中連續(xù)分割目標區(qū)域，通過比較得到目標區(qū)域的變化趨勢，進而實現(xiàn)了跟蹤窗的自適應變化。實驗證明，基于活動輪廓的Mean Shift核窗寬自適應算法可以很好實現(xiàn)跟蹤窗隨目標尺度的變化而相應改變，這種變化既適合目標變小的情景，也適合目標增大超出跟蹤窗的情況，且較之Cam Shift跟蹤算法有很好的魯棒