基于視頻監(jiān)控系統(tǒng)運動目標檢測跟蹤算法的研究與實現(xiàn).pdf

1、目標檢測和跟蹤，是從一系列的圖像序列中檢測出運動的目標，并且給出運動目標在圖像中的位置。在視頻監(jiān)控、智能交通、軍事等領域，目標檢測和跟蹤技術都得到了廣泛的應用，是進行相關領域后續(xù)研究的一個重要的基礎。本文利用研究的目標檢測和跟蹤內容，最終實現(xiàn)一個可以在視頻監(jiān)控中應用的目標檢測和跟蹤系統(tǒng)。
　　人們把目標檢測和跟蹤領域的技術分為目標檢測和目標跟蹤兩個方向進行研究。本文首先分析當前目標檢測算法的特點，并具體分析了常見的光流法、幀差法、

2、背景差分法，并給出了幾種算法的具體實現(xiàn)方法。針對常見算法運算量大、實時性差的特點，將幾種常見算法的各自的優(yōu)勢進行比較分析，最終采用基于碼本的目標檢測算法。
　　其次，本文分析了目標跟蹤領域的幾個主要算法，基于模板匹配的跟蹤、基于顏色直方圖的跟蹤、基于主動輪廓線的跟蹤。在實際的監(jiān)控中，遮擋、形變、光照變化等環(huán)境因素的影響嚴重的影響實際的檢測和跟蹤效果，針對這一問題,我們采用一種基于粒子濾波和概率外觀模型的跟蹤算法，經過實際的測試，跟

3、蹤的準確率達到98％以上。
　　再次，為了降低運算量、提高算法和系統(tǒng)的實時性，我們采用濾波算法先預測目標可能出現(xiàn)的區(qū)域，從而減少了搜索區(qū)域，降低了運算量。常用的濾波算法有線性濾波算法、卡爾曼濾波及其擴展算法、粒子濾波算法等。每種濾波算法都有一定的特點，也有一定的適應范圍，卡爾曼濾波算法適合于線性的高斯模型，它給出的解總是最優(yōu)的；粒子濾波就可以適用于任何形式的模型。我們采用粒子濾波進行目標位置的預測。
　　最后，利用當前研究比