基于計算機(jī)視覺的目標(biāo)檢測與目標(biāo)跟蹤算法改進(jìn).pdf

1、基于計算機(jī)視覺的目標(biāo)檢測與跟蹤是計算機(jī)視覺領(lǐng)域的主要方向。它是對視頻圖像中動態(tài)區(qū)域分析，檢測、獲得運(yùn)動目標(biāo)，對其進(jìn)行定位、獲得動態(tài)目標(biāo)的特征參數(shù)，以此獲得目標(biāo)的運(yùn)動軌跡，達(dá)到跟蹤的目的。目前，目標(biāo)遮擋、目標(biāo)尺寸變化及背景顏色相似性干擾等問題仍影響著目標(biāo)檢測和跟蹤算法的效果。本文針對以上問題，對傳統(tǒng)的目標(biāo)檢測及跟蹤方法進(jìn)行研究分析并提出改進(jìn)，通過仿真實驗證明改進(jìn)算法的效果優(yōu)于傳統(tǒng)算法。本文內(nèi)容如下：
　　(1)在目標(biāo)檢測方面，首先分

2、析了靜態(tài)場景下常見的三種檢測方法，通過對比分析它們的優(yōu)缺點，改進(jìn)傳統(tǒng)算法并將改進(jìn)的算法相融合。傳統(tǒng)混合高斯背景模型的學(xué)習(xí)率是個穩(wěn)定值，因此提出更新學(xué)習(xí)率，提高算法對實際場景的應(yīng)變能力。混合高斯背景模型提取目標(biāo)完整，但是對環(huán)境噪聲敏感；對稱幀差法計算量小，但它檢測的目標(biāo)不完整?；谶@兩種檢測算法的特性，本文提出將它們相融合，這種方法不僅能消除對稱幀差法中的‘空洞’現(xiàn)象還可以改善混合高斯模型對環(huán)境敏感的情況。邊緣檢測方法的邊緣含有豐富的內(nèi)部

3、信息，還能很好地利用了運(yùn)動區(qū)域的空域信息。而改進(jìn)的算法只利用了目標(biāo)的時域信息，因此又把改進(jìn)的算法與邊緣檢測算法相融合，能很好地運(yùn)用目標(biāo)的時空域信息。仿真結(jié)果表明，改進(jìn)算法在室內(nèi)外場景下的檢測效果都比傳統(tǒng)目標(biāo)檢測算法好。
　　(2)在目標(biāo)跟蹤方面，Meanshift算法不能自適應(yīng)調(diào)整窗口大小，因此重點分析了Camshift跟蹤算法。Camshift算法可自適應(yīng)調(diào)整跟蹤窗口大小，且在固定場景下不易受目標(biāo)尺寸變化、形變等影響。但它沒有考