復(fù)雜場(chǎng)景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤作為計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)之一，廣泛應(yīng)用于智能視頻監(jiān)控、人機(jī)交互、視頻會(huì)議等領(lǐng)域。運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的主要目的是利用計(jì)算機(jī)模擬人類視覺感知功能，從而實(shí)現(xiàn)從序列圖像中發(fā)現(xiàn)目標(biāo)、跟蹤目標(biāo)，并對(duì)目標(biāo)的行為進(jìn)行識(shí)別和理解。本文對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的關(guān)鍵技術(shù)進(jìn)行研究。主要工作和貢獻(xiàn)如下：
　　 1.提出了一種基于背景差分的目標(biāo)檢測(cè)算法。通過多個(gè)高斯模型對(duì)背景建模，然后采用背景差分取得前景。再將它與幀間差分法提取的前景做

2、或運(yùn)算。最后對(duì)前景圖像進(jìn)行形態(tài)學(xué)處理，連通域分割，取得完整的目標(biāo)。實(shí)驗(yàn)結(jié)果表明算法的有效性。
　　 2.提出了一種將改進(jìn)的Mean Shift算法與卡爾曼濾波相結(jié)合的目標(biāo)跟蹤算法。由于運(yùn)動(dòng)目標(biāo)顏色與背景容易產(chǎn)生混淆，導(dǎo)致Mean Shift算法無法正常工作。本文采用邊緣方向直方圖作為運(yùn)動(dòng)目標(biāo)的特征來實(shí)現(xiàn)Mean Shift。當(dāng)運(yùn)動(dòng)目標(biāo)沒有被遮擋時(shí)，以卡爾曼濾波的預(yù)測(cè)結(jié)果作為改進(jìn)的Mean Shift算法的跟蹤起點(diǎn)，在準(zhǔn)確地跟蹤運(yùn)

3、動(dòng)目標(biāo)的同時(shí)，又能夠有效的減少改進(jìn)的Mean Shift算法的迭代次數(shù)，提高整個(gè)跟蹤過程的速度。當(dāng)目標(biāo)被遮擋時(shí)，則僅僅采用卡爾曼濾波的預(yù)測(cè)結(jié)果作為運(yùn)動(dòng)目標(biāo)的位置，而不運(yùn)行改進(jìn)的Mean Shift算法。這樣，不僅可以有效克服Mean Shift算法不能處理遮擋問題，同時(shí)能夠提高跟蹤的速度。實(shí)驗(yàn)結(jié)果表明新算法具有更好的跟蹤結(jié)果，以及更高的效率。
　　 3.提出了一種多特征融合的粒子濾波跟蹤算法。由于單一特征在復(fù)雜場(chǎng)景下描述目標(biāo)不夠