基于圖像信息的運(yùn)動目標(biāo)檢測與跟蹤算法研究.pdf

1、圖像序列中運(yùn)動目標(biāo)的檢測與跟蹤算法是計算機(jī)視覺領(lǐng)域中的重要研究課題之一，它融合了計算機(jī)科學(xué)、通信科學(xué)、物理學(xué)、控制科學(xué)等諸多學(xué)科的相關(guān)研究成果，近幾年在軍事制導(dǎo)、安全監(jiān)控、智能交通、醫(yī)療診斷等方面得到了廣泛的應(yīng)用。
　　 本文包括圖像預(yù)處理技術(shù)、運(yùn)動目標(biāo)檢測技術(shù)、運(yùn)動目標(biāo)跟蹤技術(shù)三個方面，對相應(yīng)領(lǐng)域的經(jīng)典算法進(jìn)行了總結(jié)和分析，其中包括混合高斯背景建模、均值偏移算法、Kalman濾波、標(biāo)準(zhǔn)粒子濾波等。在研究和比較相應(yīng)算法的基礎(chǔ)上，

2、本文提出了一種運(yùn)動目標(biāo)檢測與跟蹤的新算法：采用混合高斯背景建模進(jìn)行運(yùn)動目標(biāo)的檢測，采用基于邊緣粒子濾波（MPF）的改進(jìn)算法實現(xiàn)運(yùn)動目標(biāo)的跟蹤。MPF是標(biāo)準(zhǔn)粒子濾波與經(jīng)典的Kalman濾波相結(jié)合的產(chǎn)物，是解決非線性非高斯問題的有力工具。它通過對建立的動態(tài)系統(tǒng)模型的狀態(tài)變量進(jìn)行分離，將狀態(tài)變量分為線性和非線性兩部分，對線性部分采用Kalman濾波進(jìn)行狀態(tài)估計，對非線性部分則采用粒子濾波實現(xiàn)狀態(tài)跟蹤，從而充分發(fā)揮兩種算法的優(yōu)勢，達(dá)到較好的跟蹤