復雜背景下運動目標識別算法研究.pdf

1、圖像序列中的運動目標檢測與跟蹤是數(shù)字圖像處理和模式識別以及計算機視覺領(lǐng)域研究的主要內(nèi)容之一。在機器人導航、安全監(jiān)控系統(tǒng)、醫(yī)學圖像分析和虛擬現(xiàn)實等領(lǐng)域都有廣泛的應用。對于目標跟蹤系統(tǒng)，其核心主要包括兩個部分：一是運動目標的檢測與提??；二是運動目標的跟蹤。本文對復雜背景下行人運動目標的檢測、提取和跟蹤等問題進行了研究。 ⑴在目標檢測問題上，著重對基于復雜背景的檢測方法進行了研究分析，討論了背景的初始化及背景模型的建立和更新的各類方法

2、原理。改善了原有的IIR濾波背景更新算法，提出了一種基于檢驗假設的背景更新系數(shù)獲得方法，可以針對不同序列自適應地進行背景更新。實驗表明，綜合考慮方法的有效性和算法的復雜程度，該方法具有實際可行性；利用該方法進行的目標檢測結(jié)果可為下面的提取提供較為理想的背景差分結(jié)果。 ⑵在運動目標提取問題上，為了從前景點中將行人目標完整分割提取出來，獲得各種用于目標跟蹤的特征描述，本文在對差分圖像進行閾值分割的基礎(chǔ)上，結(jié)合形態(tài)學濾波及連通性檢測方

3、法去除前景噪聲及區(qū)域內(nèi)空洞。并在獲得完整目標區(qū)域后，為后續(xù)的目標跟蹤建立特征向量。通過實驗驗證算法可以有效地從差分圖像中較為完整提取目標，算法具有較好的實時性。 ⑶在分析了Camshift算法和Meanshift算法的基礎(chǔ)上，通過Bhattacharyya系數(shù)來判斷運動物體的遮擋情況，進而選擇Kalman或者粒子濾波算法對遮擋情況下的運動物體進行跟蹤，并給出仿真結(jié)果及分析，在一定程度上驗證了本文算法，兼顧了Camshift算法在