車載視頻監(jiān)控運動目標檢測與跟蹤算法研究.pdf

1、新一代的智能視頻監(jiān)控已經(jīng)越來越廣泛的應用到公共安全監(jiān)控、智能交通、居民小區(qū)監(jiān)控和視覺導航等各個領域，車載視頻監(jiān)控系統(tǒng)就是其中的一個重要應用方向。通過車載攝像頭可以擴大監(jiān)控范圍，對感興趣目標進行持續(xù)監(jiān)控與追蹤。同時由于車輛的運動以及運動導致的攝像頭抖動，將導致整個監(jiān)控背景的動態(tài)變化，在這種復雜的動態(tài)場景中，固定場景下的運動目標檢測和跟蹤算法不再有效。因此針對車載視頻監(jiān)控應用場景的復雜性和動態(tài)性，研究高效、魯棒和實用的運動目標檢測與跟蹤算法

2、具有重要的應用價值。
　　本文首先對運動目標檢測與跟蹤技術的研究現(xiàn)狀以及相關理論基礎作了介紹，然后介紹了本文車載視頻監(jiān)控系統(tǒng)的總體架構，分別從目標檢測和目標跟蹤兩大部分對車載視頻監(jiān)控系統(tǒng)中采用的算法以及如何實現(xiàn)做了詳細介紹，并分析了實際應用場景中算法研究的技術難點。由于車載視頻監(jiān)控系統(tǒng)中背景是運動的，本文采用了基于Harris角點特征匹配的全局運動估計法對運動背景進行補償運算，背景補償后目標檢測部分采用了一種占用內存少、計算量小和

3、運算效率高的Vibe檢測算法。針對Vibe算法在運動目標檢測前期存在鬼影的問題，本文結合時域中值濾波算法對Vibe算法進行改進，改進的Vibe算法在短時間內可以完全消除鬼影，并使用形態(tài)學對檢測到的前景運動目標做進一步處理，使檢測到的運動目標更加完整準確。
　　目標跟蹤部分，本文采用了一種新的實時壓縮跟蹤(CT)算法，該算法簡單、高效、魯棒，利用非常稀疏的隨機測量矩陣投影得到一種低維的類Haar-like特征，然后通過簡單的樸素貝葉