基于核密度估計與粒子濾波的運動檢測與跟蹤算法研究.pdf

1、運動目標檢測與跟蹤是計算機視覺研究的基礎(chǔ)任務和關(guān)鍵技術(shù)之一,在視頻監(jiān)控、視頻會議、人機交互等領(lǐng)域有著廣泛的應用。論文針對背景模型變化、光照影響、前景背景顏色近似、目標尺度變化等復雜場景下的準實時檢測和跟蹤問題,對視頻運動目標檢測與跟蹤算法進行了研究。其研究的主要內(nèi)容在于:
　　 1)針對經(jīng)典的非參數(shù)核密度估計運動檢測由前景噪聲導致的檢測精確性以及算法的實時性問題,本文提出了一種聚類差分圖像核密度估計算法。該算法首先利用采樣樣本集

2、聚類機制獲得具有典型代表的樣本集；其次利用自適應的全局閾值幀間差分法和背景差分法對典型運動像素和非典型運動像素進行分類；并實時更新采樣樣本集和參考背景圖像。多個視頻序列目標檢測實驗結(jié)果表明,該方法有效克服了學習階段信息冗余,估計階段由此產(chǎn)生的估計錯誤噪聲和重復計算的問題。
　　 2)針對基于顏色特征的粒子濾波算法沒有較好的利用跟蹤對象的重要空間結(jié)構(gòu)信息,以及實際場景中目標尺度變化等問題,本文提出了一種融合空間信息的粒子濾波尺度自

3、適應目標跟蹤方法。該方法融合了目標特征和重要的空間結(jié)構(gòu)信息,并利用尺度自適應變化更新策略來調(diào)整跟蹤窗口尺度大小,同時利用OpenMP共享存儲并行計算進行跟蹤加速。多個視頻序列實驗證明,本文提出的方法對于目標鄰域顏色相似或目標模型有微小變化的復雜場景能夠得到更精確的跟蹤結(jié)果,算法實時性更好。同時,自適應尺度更新策略能較好的適應目標尺度發(fā)生變化的視頻場景。
　　 3)給出了一個集成現(xiàn)有的常見目標檢測與跟蹤算法以及本文提出的目標檢測和