復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)的跟蹤及遮擋問(wèn)題的研究.pdf

1、　　視覺(jué)跟蹤技術(shù)屬于計(jì)算機(jī)領(lǐng)域內(nèi)的核心技術(shù)，它融合了圖像處理、人工智能、模式識(shí)別等多個(gè)領(lǐng)域，并在我們?nèi)粘Ｉ钪杏兄鴱V闊的應(yīng)用。由于被跟蹤目標(biāo)的多樣性和變化性，以及場(chǎng)景的復(fù)雜性和各種干擾的存在，使得對(duì)目標(biāo)實(shí)時(shí)準(zhǔn)確的跟蹤就變得非常困難。針對(duì)這一難題，論文主要對(duì)復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)的跟蹤及發(fā)生遮擋或旋轉(zhuǎn)時(shí)的跟蹤進(jìn)行了研究。
　　本文詳細(xì)介紹了圖像處理和圖像變換的相關(guān)知識(shí)，總結(jié)了運(yùn)動(dòng)目標(biāo)檢測(cè)的常用算法，并仔細(xì)分析了基于背景更新的差分法

2、和基于高斯混合模型的背景差分法的原理。針對(duì)靜態(tài)復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)的跟蹤，提出了基于概率估計(jì)PF算法的輪廓跟蹤方法，對(duì)輪廓進(jìn)行PF概率估計(jì)進(jìn)行跟蹤；由跟蹤輪廓進(jìn)行擴(kuò)展結(jié)合了混合高斯背景模型和PF算法，通過(guò)GMM算法去除小的干擾噪聲并準(zhǔn)確提取前景目標(biāo)，然后通過(guò)PF算法預(yù)估跟蹤前景，實(shí)驗(yàn)結(jié)果證明該方法比單一的PF預(yù)估算法跟蹤穩(wěn)定性更強(qiáng)，而且本算法對(duì)目標(biāo)部分遮擋情況下的跟蹤有一定效果。
　　針對(duì)復(fù)雜場(chǎng)景下被跟蹤目標(biāo)的遮擋問(wèn)題，結(jié)合了確定