基于視覺的運動目標檢測與跟蹤算法研究.pdf

1、視頻監(jiān)控技術(shù)從早期的第一代模擬監(jiān)控發(fā)展到第二代數(shù)字監(jiān)控,再到如今的網(wǎng)絡(luò)視頻監(jiān)控,在短短二十年時間內(nèi)得到了飛速發(fā)展。最近幾年,研究人員將計算機視覺技術(shù)融入到視頻監(jiān)控領(lǐng)域,形成了智能視頻監(jiān)控技術(shù),從而實現(xiàn)了視頻監(jiān)控的無人化、自動化。智能視頻監(jiān)控技術(shù)能實時地對場景中感興趣的目標進行檢測、定位和跟蹤,能通過對目標行為的分析和理解實現(xiàn)行為預(yù)測。該技術(shù)作為計算機視覺領(lǐng)域的前沿研究方向,已經(jīng)成為學(xué)術(shù)界和工程領(lǐng)域研究的熱點,目前已經(jīng)成功運用于安防、商業(yè)

2、、交通、軍事、航空航天等眾多領(lǐng)域。運動目標檢測和跟蹤是后續(xù)各種高層次視頻圖像處理、理解和應(yīng)用的基礎(chǔ),是智能視頻監(jiān)控技術(shù)中最為關(guān)鍵的兩項技術(shù)。
　　 本文在深入分析各種運動目標檢測算法的基礎(chǔ)上,提出一種基于分層碼本模型的背景差法運動目標檢測算法。在碼本模型構(gòu)造方面,分層碼本模型基于圖像的高斯金字塔,利用金字塔高層的檢測結(jié)果只含有前景目標大致輪廓,可以更有效地排除噪聲的影響;利用金字塔低層的檢測結(jié)果含有更多的細節(jié),可以提取更為精確的

3、前景輪廓。在碼字描述模型方面,針對原始碼字顏色空間模型是在RGB的圓柱體模型,本文提出將模型簡化為空間立體盒,并將顏色空間轉(zhuǎn)換到Y(jié)UV空間,即碼字的描述模型在YUV空間用長方體表示。
　　 在詳細介紹各種目標跟蹤算法的基礎(chǔ)上,首先提出一種基于CenSurE特征點的粒子濾波跟蹤算法。目標模型和候選模型相似度的度量采用特征點匹配的個數(shù)和特征點相對坐標位置相結(jié)合的方式。特征點的匹配只選取圖像中包含粒子集的最小矩形區(qū)域并采用K最近鄰分類

4、算法實現(xiàn)特征點的快速匹配。在跟蹤過程中動態(tài)調(diào)整目標模型中的特征點使其能適應(yīng)目標外觀的變化。然后,針對基于單一特征信息的粒子濾波跟蹤算法準確性不高、在復(fù)雜場景中可能失效的問題,提出一種采用顏色信息和CenSurE特征點信息自適應(yīng)融合的粒子濾波跟蹤算法。該算法能在單個特征失效的情況下依然能采用另一種特征對目標進行有效的跟蹤。最后,為了防止多特征的跟蹤算法退化成為單特征跟蹤算法,對多特征信息的可信度進行了詳細的分析,并加入了前景目標檢測的結(jié)果