智能視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的研究及改進(jìn).pdf

1、智能視頻分析是計(jì)算機(jī)視覺的一個(gè)重要研究方向，具有重要的應(yīng)用價(jià)值。運(yùn)動(dòng)目標(biāo)檢測(cè)和運(yùn)動(dòng)目標(biāo)跟蹤是智能視頻分析的基礎(chǔ)，本文的主要研究?jī)?nèi)容是運(yùn)動(dòng)目標(biāo)檢測(cè)和運(yùn)動(dòng)目標(biāo)跟蹤。
　　運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究基礎(chǔ)是混合高斯背景建模，也是目前應(yīng)用和研究最為廣泛的運(yùn)動(dòng)目標(biāo)檢測(cè)算法;其主要思想是:假設(shè)每個(gè)像素都會(huì)服從一個(gè)高斯分布，但是由于噪聲和運(yùn)動(dòng)目標(biāo)影響，單個(gè)高斯分布不足以模擬單個(gè)像素在時(shí)間序列上的概率分布，所以混合高斯方法應(yīng)運(yùn)而生。但是在實(shí)驗(yàn)中發(fā)現(xiàn)，即

2、使用多個(gè)混合高斯分布也難以準(zhǔn)確的為單個(gè)像素建立模型，例如出現(xiàn)快速自然光變化、小目標(biāo)和淺影以及隨機(jī)擺動(dòng)等問題;這些都是本文需要解決的問題。
　　通過文獻(xiàn)查閱和實(shí)驗(yàn)數(shù)據(jù)分析，充分利用像素在時(shí)間和空間上的關(guān)聯(lián)性，對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)中出現(xiàn)的以上問題做了改進(jìn)，整個(gè)算法的魯棒性和精確性都得到了提高，從而可以提供更精確的運(yùn)動(dòng)目標(biāo)給運(yùn)動(dòng)目標(biāo)跟蹤系統(tǒng)。
　　運(yùn)動(dòng)目標(biāo)跟蹤算法的研究基礎(chǔ)是基于Mean Shift的目標(biāo)跟蹤算法，實(shí)驗(yàn)發(fā)現(xiàn)，Mean S

3、hift算法不能有效快速跟蹤;通過理論分析和數(shù)據(jù)比較，Mean Shift算法在目標(biāo)搜索時(shí)，其搜索窗口有一定限制，從而不能有效跟蹤快速運(yùn)動(dòng)目標(biāo)?？柭鼮V波可以較好的預(yù)測(cè)目標(biāo)位置，為此，在用Mean Shift算法進(jìn)行跟蹤時(shí)，引入卡爾曼濾波進(jìn)行預(yù)測(cè)，在預(yù)測(cè)時(shí)進(jìn)行跟蹤，從而有效避免跟不上的情況。跟蹤效果得到了一定的改善。
　　論文首先介紹了智能視頻監(jiān)控系統(tǒng)的應(yīng)用場(chǎng)景和研究意義;其次，綜合描述了運(yùn)動(dòng)目標(biāo)檢測(cè)和運(yùn)動(dòng)目標(biāo)跟蹤算法;第三章出現(xiàn)