復(fù)雜場景下運動物體檢測與跟蹤算法的研究.pdf

1、智能監(jiān)控就是要用圖像處理和計算機視覺的方法，通過對監(jiān)控錄像進行自動或?qū)崟r分析來對動態(tài)場景中的目標(biāo)進行定位，識別和跟蹤，并在此基礎(chǔ)上分析和判斷目標(biāo)的行為。因此對作為智能監(jiān)控技術(shù)核心的運動目標(biāo)檢測和跟蹤技術(shù)的研究顯得尤為重要，雖然很多國內(nèi)外學(xué)者對運動目標(biāo)檢測與跟蹤技術(shù)已經(jīng)作了大量的研究，但是以前的絕大部分研究只停留在對簡單的背景相對靜止的場景中的運動目標(biāo)的監(jiān)測與跟蹤。近些年來，隨著智能監(jiān)控系統(tǒng)在實際中的廣泛應(yīng)用，復(fù)雜場景中的運動目標(biāo)檢測與跟

2、蹤技術(shù)越來越引起人們的注意，并得到了快速發(fā)展。 本文主要研究了運動目標(biāo)檢測與跟蹤的基本理論和關(guān)鍵技術(shù)。研究了復(fù)雜背景下運動目標(biāo)的檢測與提取，特別是動態(tài)場景中的運動目標(biāo)的檢測問題，實現(xiàn)了基于自適應(yīng)背景模型的運動檢測算法，并在此基礎(chǔ)上提出了一種基于非參數(shù)核密度函數(shù)估計的背景建模算法，該算法在考慮了傳統(tǒng)運動目標(biāo)檢測算法中像素灰度值的時域相關(guān)性的同時，還充分考慮了同一幀圖像中個像素點灰度值的空間相關(guān)性，并且在不僅對背景建模而且對前景同樣

3、建模，另外利用非參數(shù)模型估計密度函數(shù)，克服了單高斯和混合高斯不能充分擬合密度函數(shù)的缺點，得到能充分反應(yīng)實際背景且光滑的模型。從而很好的解決了在場景中有類似攝像機抖動，樹枝搖曳，波紋等周期性運動以及雨雪天氣等情況的運動目標(biāo)檢測的問題。結(jié)果表明，該算法檢測效果好、運算快速、穩(wěn)定。本文同時研究了運動目標(biāo)跟蹤的關(guān)鍵技術(shù)，研究了基于Kalman濾波的運動目標(biāo)跟蹤問題，給出一種基于Kalman濾波的運動目標(biāo)跟蹤算法，通過目標(biāo)檢測、目標(biāo)運動估計和目標(biāo)