基于仿生智能的多目標跟蹤算法研究.pdf

1、圖像序列中運動目標的檢測和跟蹤是計算機視覺、數(shù)字視頻等領(lǐng)域最熱門的研究課題之一，對于目標行為理解等中高層次的處理具有十分重要的意義。如何能夠準確快速的檢測運動目標和實現(xiàn)對目標的實時魯棒跟蹤一直是多目標檢測和跟蹤技術(shù)中待解決的關(guān)鍵問題。針對這一關(guān)鍵問題，本文主要對基于仿生智能的多目標的檢測和跟蹤方法進行了研究，具體如下： 1.深入分析研究了目前常用的幾種自適應(yīng)動態(tài)背景建模方法。背景減除法是常用的運動目標檢測方法之一，而背景建模是背

2、景減除法進行運動目標檢測的基礎(chǔ)。由于現(xiàn)實場景往往因為光照等原因不斷變化，需要建立一個能夠準確描述背景并根據(jù)背景變化及時更新的背景模型。本文深入分析了幾種目前常用動態(tài)背景建模方法，并對其優(yōu)點和存在的問題進行了總結(jié)和比較。 2.提出了一種記憶式背景建模方法。該方法以混合高斯背景建模方法為基礎(chǔ)，在嵌入噪聲去除算法和基于HSV顏色特征的陰影檢測算法去除噪聲和陰影干擾的同時，采用學(xué)習(xí)率自適應(yīng)的在線更新方法解決傳統(tǒng)混合高斯模型無法準確分割運

3、動緩慢和暫時停止的運動目標的問題，并模仿人類觀察環(huán)境的過程將“記憶”方法引入混合高斯模型中，有效解決了背景突變的問題。 3.提出新的狀態(tài)轉(zhuǎn)移模型和觀測模型，采用粒子濾波方法實現(xiàn)了多運動目標的實時魯棒跟蹤。針對目前采用粒子濾波方法進行圖像序列目標跟蹤時常用觀測模型計算量大的缺點，結(jié)合運動檢測得到的信息建立新的狀態(tài)轉(zhuǎn)移模型和觀測模型，大大降低了算法的計算量。實驗結(jié)果表明，采用本文提出的狀態(tài)轉(zhuǎn)移模型和觀測模型，能夠較好的實現(xiàn)多運動目標