視頻運動目標(biāo)檢測與跟蹤算法的研究及實現(xiàn).pdf

1、近幾十年來，伴隨計算機和人工智能等相關(guān)技術(shù)的飛速發(fā)展，視頻運動目標(biāo)檢測與跟蹤技術(shù)作為計算機視覺領(lǐng)域當(dāng)中新興的研究方向，它結(jié)合了圖像處理、人工智能、機器視覺等諸多方面的前沿技術(shù)，在安防監(jiān)控、智能交通、視頻摘要等相關(guān)領(lǐng)域得到大量應(yīng)用，但是，至今還沒有研究出非常成熟的視頻運動目標(biāo)檢測與跟蹤算法能夠處理好各種復(fù)雜情況的視頻時能同時達(dá)到高實時性、高魯棒性、高準(zhǔn)確性，因此還需要對本課題做更深入的研究和探討，主要研究內(nèi)容包括：
　　對傳統(tǒng)的檢測

2、算法的分析比較，包括基于相鄰幀的幀間差分法、基于背景模型的背景差分法、基于光流矢量場的光流法，總結(jié)它們的最適合的應(yīng)用場景和需要改進(jìn)的地方。同時深入研究基于像素的自適應(yīng)分割算法（PBAS），它結(jié)合了SACON和VIBE兩個算法的優(yōu)勢，并且引入了控制論思想和背景復(fù)雜度的度量方法，采用基于像素的自適應(yīng)閾值分割和隨機背景模型更新機制，基本實現(xiàn)了無參數(shù)自動化的目標(biāo)檢測，檢測結(jié)果的準(zhǔn)確性和魯棒性都比較好。
　　研究目標(biāo)跟蹤丟失問題的解決方法。

3、分析比較基于濾波理論的Kalman濾波算法、基于顏色特征的Camshift算法和ABCshift算法，得出這幾種算法的優(yōu)缺點和適合環(huán)境。同時深入研究在ABCshift上加入Kalman濾波的算法，利用空間位置信息和顏色特征信息，有效解決運動目標(biāo)在有背景顏色干擾和其它物體短時間遮擋情況下跟蹤失敗的問題，但是在復(fù)雜環(huán)境下和受到嚴(yán)重遮擋導(dǎo)致搜索窗內(nèi)顏色改變很大時，目標(biāo)容易跟蹤丟失，本文在此基礎(chǔ)上引入短暫在線學(xué)習(xí)理念，利用學(xué)習(xí)目標(biāo)跟蹤丟失前的正

4、樣本特征，結(jié)合Kalman對丟失幀的預(yù)測作用，對丟失幀進(jìn)行搜索匹配重新找回目標(biāo)，在以后跟蹤過程中沒有發(fā)生丟失時就用之前的跟蹤算法，只要一發(fā)生目標(biāo)跟蹤丟失就引入在線學(xué)習(xí)機制。實驗表明引入在線學(xué)習(xí)機制的算法能夠有效解決了復(fù)雜環(huán)境下和受到嚴(yán)重遮擋而跟蹤丟失的問題。
　　設(shè)計和開發(fā)運動目標(biāo)檢測和跟蹤系統(tǒng)。在window7環(huán)境下，利用 VS2008軟件平臺結(jié)合OpenCV相關(guān)庫函數(shù)研發(fā)一個以MFC對話框框架的視頻運動目標(biāo)檢測與跟蹤系統(tǒng)，詳細(xì)