視頻序列中多運動目標的檢測與跟蹤技術的研究.pdf

1、運動目標檢測跟蹤技術是計算機視覺研究的主要課題之一，廣泛應用于軍用和民用領域。由于復雜的背景以及新目標出現(xiàn)、目標合并、分離、目標之間遮擋等目標個數(shù)的不確定的特點，使得目標檢測跟蹤技術面臨更大的挑戰(zhàn)。針對這些問題，本文借鑒國內(nèi)外學者的解決方法，沿用先檢測后跟蹤的目標跟蹤框架，分別討論運動目標檢測和跟蹤技術并對其進行進一步的改善。
　　 論文的主要研究內(nèi)容如下:
　　 在運動目標檢測過程中，論文首先通過實驗分析了常用檢測算法

2、的優(yōu)缺點，然后重點研究了混合高斯模型背景減法，為了適應場景變化、抑制場景中噪聲干擾以及防止緩慢運動的目標融入背景，提出了一種改進的背景模型更新方法。再通過形態(tài)學處理提高運動目標檢測的準確性。
　　 在運動目標跟蹤方面，論文通過實驗比較分析幾種主流算法在單目標跟蹤過程中的性能，針對粒子濾波不能有效地解決多模態(tài)問題、存在粒子退化現(xiàn)象以及計算復雜性。論文結合GPF和MPF的優(yōu)點提出一種基于高斯混合粒子濾波算法，提高MPF在進行多目標跟

3、蹤的實時性。實驗表明GM-MPF算法能有效解決多模態(tài)問題和粒子退化，并能實時有效的進行多目標跟蹤。
　　 為解決可變目標數(shù)或目標數(shù)未知的多目標跟蹤問題，針對多目標跟蹤過程中復雜的數(shù)據(jù)關聯(lián)問題，本文在粒子濾波PHD的框架下，引入混合粒子濾波(MPF)和高斯粒子濾波(GPF)，提出一種高斯混合粒子PHD算法(GMP-PHD)。該算法通過一系列加權的高斯分量表示多目標的PHD，遞歸計算動態(tài)目標個數(shù)和目標狀態(tài)，為控制由于復雜的計算導致高