行人目標檢測和跟蹤算法研究.pdf

1、本文對靜止背景下視頻序列中的運動人體檢測和跟蹤方法進行了研究，重點研究了靜止的單攝像機所拍攝的視頻中運動目標的檢測，運動目標跟蹤等方面的內(nèi)容。首先介紹了運動檢測技術，在運動目標檢測算法中，研究分析了兩種算法:幀間差分法、基于混合高斯模型的背景差分法的檢測效果。幀間差分法實現(xiàn)方法簡單，但是提取目標不完整、存在空洞;而背景差分法則有效彌補了這一缺陷，同時基于混合高斯模型的算法也具有較快的速度。在人體跟蹤方而，分析了MeanShift算法對快

2、速目標跟蹤的不可靠性，考慮使用目標的運動信息和空間色彩信息。在前面目標檢測和分割的基礎上，本文采用了卡爾曼濾波和MeanShift算法相結合進行目標的跟蹤處理，豐富了對已知信息的使用，增強了跟蹤效果。
　　 主要工作包括:
　　 (1)利用基于混合高斯模型的背景差分法提取運動目標，以此為基礎做目標跟蹤，彌補了一般的跟蹤算法需要人工設定目標區(qū)域的缺點，實現(xiàn)了自動跟蹤運動目標的功能。
　　 (2)在經(jīng)典MeanShi

3、ft算法的基礎上，加入了卡爾曼濾波器，改善了運動目標速度較高時的跟蹤效果。
　　 上述內(nèi)容體現(xiàn)了本文的改進與創(chuàng)新。本文對室內(nèi)和室外兩組包含單行人運動目標的視頻進行了測試。實驗結果證明，基于混合高斯模型的背景差分法計算量適中，檢測出來的前景比較完整，對背景噪聲的抑制也較好。未加入卡爾曼濾波的經(jīng)典MeanShift算法對快速運動的行人目標跟蹤效果不佳，而本文提出的加入卡爾曼濾波的跟蹤算法對快速運動的目標（運動速度在10米/秒以上的行