基于背景建模的運動目標(biāo)檢測與跟蹤算法研究.pdf

1、運動目標(biāo)檢測與跟蹤是智能視覺監(jiān)控的基礎(chǔ)與前提，其在交通、軍事、工業(yè)以及醫(yī)學(xué)等各個領(lǐng)域具有廣泛的應(yīng)用前景。其中，靜態(tài)場景下的運動目標(biāo)檢測與跟蹤是應(yīng)用最廣泛的一個研究熱點。目前，靜態(tài)場景下的運動目標(biāo)檢測最常用的方法是背景減法，其存在的主要問題是，背景的提取與更新，為了建立準確的背景而采用復(fù)雜的模型，其計算量大不利于實時檢測；而采用簡單的模型建立的背景不夠準確，不利于目標(biāo)檢測的準確性。此外，由于是實時檢測，還需考慮模板所占內(nèi)存空間問題。本文在

2、現(xiàn)有的研究成果上，針對靜態(tài)場景下的運動目標(biāo)檢測與跟蹤的主要問題，對其進行了深入的研究。主要工作如下：
　　1.運動目標(biāo)檢測方面：
　　本文針對現(xiàn)有的運動目標(biāo)檢測方法進行了介紹，包括光流場法、幀間差分法以及背景減法。針對背景減法，詳細介紹了常用的經(jīng)典算法：多幀平均方法、混合高斯模型方法以及碼本算法等；針對混合高斯模型方法的費時以及碼本方法所占內(nèi)存空間較大的問題，結(jié)合兩者的優(yōu)點，提出了一種基于像素值聚類的背景建模與目標(biāo)檢測方法。

3、該方法在建立模板期間采用模板替換機制，減少內(nèi)存的占有量，并且采用背景完成預(yù)判節(jié)省背景建立的時間，最后采用形態(tài)學(xué)濾波濾除小噪聲，同時填補目標(biāo)內(nèi)部空洞，最后采用積分投影法實現(xiàn)對目標(biāo)的分割。實驗結(jié)果表明，該算法可以很好的檢測出不同場景下的運動目標(biāo)，在速度和準確性上有一定的提高。
　　2.運動目標(biāo)跟蹤方面：
　　本文研究了幾種常用的目標(biāo)跟蹤算法，在此基礎(chǔ)上提出了一種基于Kalman運動預(yù)測的改進Mean Shift算法，選取圖像的灰