運動目標檢測與跟蹤研究.pdf

1、快速的經(jīng)濟發(fā)展、不斷升級換代的計算機軟硬件以及不斷提高的網(wǎng)絡速度，互聯(lián)網(wǎng)已經(jīng)滲透到人們生活的各個領域之中，再加上物聯(lián)網(wǎng)技術的火熱，各種基于網(wǎng)絡互連智能化的應用逐步融入人們的生活之中，人們對生活自動化、智能化的需求越來越強烈，計算機視覺的研究越來越受到各方面專家學者的重視，而視覺視頻目標跟蹤作為計算機視覺領域的一個重要方向，蘊含著巨大的商機和經(jīng)濟效益，受到了學術界、產(chǎn)業(yè)界和管理部門的高度重視。
　　 本文選取了視頻目標檢測和跟蹤為

2、研究主題，以包含運動目標的視頻序列為研究對象，從理論、算法和實驗三個方面討論了視頻目標檢測和跟蹤所存在的相關問題。具體而言，論文在以下幾個方面進行了一些研究工作:
　　 1)研究了視頻檢測的相關技術，在閱讀和研究相關文獻的基礎上，提出一種臨近區(qū)間更新與運動Blob混合檢測算法。當目標跟蹤置信度高于閾值時，采用臨近區(qū)域更新對目標進行跟蹤;當運動目標的置信度低于下限閾值時，采用Blob跟蹤方法，根據(jù)顏色和空間上的相似性將目標分割為多

3、個區(qū)域，每個區(qū)域包含有區(qū)域號、位置、大小信息，隨機選取一個進入在線Boosting跟蹤模塊進行檢測，直到獲取到置信度達到上限閾值時，切換到臨近區(qū)域更新算法進行跟蹤。通過此方法可解決單純基于在線Boosting的跟蹤的臨近區(qū)間更新算法所導致的錯誤累積進而產(chǎn)生漂移甚至跟蹤失敗的問題。
　　 2)介紹了傳統(tǒng)Boosting算法，主要針對AdaBoost和在線Boost做詳細的分析，提出一種改進的在線Boosting的特征更新算法，來對

4、目標特征進行分類判斷。很好的捕獲到背景擾動、目標形變和遮擋情況對目標特征的影響，在有噪聲的情況仍然能夠獲得比較穩(wěn)定的跟蹤結果。
　　 3)以臨近區(qū)域更新與運動Blob混合檢測算法來實現(xiàn)初步定為目標區(qū)域，使用基于在線Boosting的特征更新算法來學習待跟蹤目標的特征，實現(xiàn)簡單的目標跟蹤系統(tǒng)來驗證算法的有效性，對不同視頻序列測試的結果表明，與傳統(tǒng)在線Boosting算法和其它傳統(tǒng)的跟蹤算法相比，本算法能在實時性的基礎上快速準確獲取