復雜場景中視覺運動目標檢測與跟蹤.pdf

1、計算機視覺的研究目的是使用計算機代替人眼及大腦根據(jù)感測到的圖像對實際物體和場景做出有意義的判定。運動目標檢測和跟蹤是計算機視覺、模式識別、視頻編碼、基于內容的檢索、智能視頻監(jiān)控等研究領域的重點與難點,在科學研究和工程應用上有十分誘人的前景。
　　動態(tài)變化場景的監(jiān)控是近年來非常受關注的前沿研究方向。對現(xiàn)實復雜場景中運動目標的檢測和跟蹤是智能視頻監(jiān)控中的關鍵技術,其結果直接影響到隨后的行為理解和對監(jiān)控事件的處理。在結合數(shù)字視頻圖像處理

2、、統(tǒng)計計算、動態(tài)系統(tǒng)分析等相關理論的基礎上,重點研究了復雜場景中視覺運動目標檢測和跟蹤的方法。主要研究工作與創(chuàng)新點如下:
　　提出了一種在HSV色彩空間中運用混合高斯模型背景消除法對色調和亮度分量聯(lián)合判決的運動目標檢測新方法。在HSV色彩空間為動態(tài)背景建立多個高斯模型,設定優(yōu)先級進行排序,將最有可能的背景模型排在最前面,并且動態(tài)地更新模型參數(shù)以適應環(huán)境變化,然后使用色調和亮度分量聯(lián)合判決的方法檢測運動前景目標。實驗結果表明該方法能

3、有效地解決場景中樹木的搖晃,水面波光的反射,以及雨雪等干擾給目標檢測帶來的困難,能準確地檢測運動的目標。
　　提出了在HSV色彩空間中通過對飽和度、亮度的閾值限定和色調的對比三要素均衡判定的運動目標陰影消除方法。將檢測區(qū)域各點的像素值同背景中該處的像素值相比較,如果其飽和度和亮度都在一定的閾值之下,則該點有可能是陰影。然后再比較色調分量,利用陰影區(qū)域與背景區(qū)域色調不變的特性,如果該點色調值與背景區(qū)域相同位置點的色調值很接近,則可以

4、判定該點是陰影而不是運動目標。
　　提出了一種將均值漂移算法與卡爾曼濾波相結合的跟蹤遮擋和未遮擋運動目標的新方法。當目標未被遮擋時,以卡爾曼濾波預測結果為起點進行均值漂移迭代,準確跟蹤運動目標的位置,同時也減少均值漂移算法的迭代次數(shù),加快了跟蹤處理過程的速度。發(fā)現(xiàn)目標被遮擋時,以卡爾曼濾波預測結果作為運動目標位置的預測,暫時停止均值漂移迭代,克服了均值漂移算法不能解決的遮擋問題,有效地滿足跟蹤的魯棒性和實時性要求。實驗的對比結果表

5、明了提出的新算法耗時少,魯棒性更強。
　　利用馬爾可夫鏈蒙特卡洛方法結合均值漂移算法重采樣改進了粒子濾波視覺多目標跟蹤算法。研究跟蹤多個具有相似外表和復雜運動的目標,將多目標的跟蹤作為一個完整的動態(tài)系統(tǒng),用貝葉斯方法對其建模。引入粒子濾波算法,利用一系列隨機樣本的加權和表示所需的后驗概率密度,得到狀態(tài)的估計值,并用馬爾可夫鏈蒙特卡洛方法來解決重采樣時粒子的退化問題,用均值漂移算法對粒子進行聚類,從而準確有效地跟蹤多個相似運動目標。