視頻圖像序列中運(yùn)動(dòng)目標(biāo)自動(dòng)跟蹤及其應(yīng)用研究.pdf

1、視頻圖像序列中的運(yùn)動(dòng)目標(biāo)跟蹤一直是計(jì)算機(jī)領(lǐng)域中的熱點(diǎn)問(wèn)題，在動(dòng)態(tài)場(chǎng)景中運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤技術(shù)通常可以利用在視頻監(jiān)控、人機(jī)交互、汽車輔助駕駛、運(yùn)動(dòng)行為分析等方面。在實(shí)際的生活生產(chǎn)過(guò)程之中，目標(biāo)跟蹤技術(shù)仍然是計(jì)算機(jī)視覺(jué)中富有挑戰(zhàn)性的工作。基于視頻圖像序列中運(yùn)動(dòng)目標(biāo)的特征和其跟蹤方法和應(yīng)用，本文作出工作如下：
　?。?）文中提出一種新的邊緣檢測(cè)方法用來(lái)改善圖像邊緣檢測(cè)噪聲點(diǎn)過(guò)多的問(wèn)題。圖像的邊緣被用來(lái)進(jìn)行圖像分割、模版匹配和圖像識(shí)別等

2、方面的探討和研究，是圖像最基本的特征和構(gòu)成因素。在圖像的邊緣檢測(cè)內(nèi)容中，由于檢測(cè)圖像邊緣的方法式多樣化的，但其中適用性最廣最為快速的方法還是基于模糊梯度算法中的邊緣檢測(cè)方式。文中對(duì)現(xiàn)有的模糊梯度算法進(jìn)行評(píng)估和討論，希望能夠解決掉其中存在的缺點(diǎn)問(wèn)題并且對(duì)之進(jìn)行進(jìn)一步的完善，最終得到一種更新型更好的圖像邊緣檢測(cè)方法。
　?。?）在基于現(xiàn)有的運(yùn)動(dòng)目標(biāo)跟蹤方法中，對(duì)于圖像的復(fù)雜背景有噪聲干擾的情況下，改善幀間相減法算法來(lái)是目標(biāo)跟蹤方法更加

3、完善。很多物體都會(huì)隨著時(shí)間而進(jìn)行運(yùn)動(dòng)，在實(shí)際生活中，不同的運(yùn)動(dòng)物體對(duì)于不同的群體傳達(dá)著非常不一樣的視覺(jué)信息，而這些視覺(jué)信息又會(huì)給群體們帶來(lái)非常重要的現(xiàn)實(shí)意義，人們用視覺(jué)所捕捉到的信息往往會(huì)對(duì)其有實(shí)際意義與使用價(jià)值。在研究基于視頻圖像的運(yùn)動(dòng)目標(biāo)的檢測(cè)與追蹤具有著重大意義，目前實(shí)驗(yàn)中已經(jīng)實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)物體的檢測(cè)與追蹤，在探究理論的過(guò)程中，發(fā)現(xiàn)幀間差分法在獲取運(yùn)動(dòng)目標(biāo)并跟蹤的這種形式是最為簡(jiǎn)便和完整可靠的一種。在運(yùn)動(dòng)目標(biāo)追蹤檢測(cè)方面，運(yùn)用的復(fù)雜

4、度的分塊搜索法來(lái)進(jìn)行計(jì)算，能夠?qū)⑵溥M(jìn)行仿真模擬實(shí)驗(yàn)與編程實(shí)現(xiàn)。
　?。?）針對(duì)圖像在一些光暗程度變化較大時(shí)和圖像的背景復(fù)雜的情況下本文改善兩種圖像清晰化算法，以及和原有的卡爾曼濾波方法進(jìn)行比對(duì)。在公共環(huán)境的安全和防護(hù)成為人們關(guān)注的熱點(diǎn)問(wèn)題同時(shí)，而視頻監(jiān)控即為最常用的公共安全保護(hù)措施，在馬路、銀行、醫(yī)院、學(xué)校等公共區(qū)域，視頻監(jiān)控技術(shù)被廣泛應(yīng)用與生產(chǎn)生活之中。雖然高清攝像頭已經(jīng)逐漸開(kāi)始普及，在圖像受到一定的光暗程度變化干擾和復(fù)雜背景時(shí)