海平面紅外小運動目標(biāo)的檢測與跟蹤研究.pdf

1、近年來，智能視頻監(jiān)控系統(tǒng)的應(yīng)用已經(jīng)成為各國研究的熱點。運動目標(biāo)的檢測與跟蹤正是這項研究中最基本、最核心的問題，也是研究者目前備受關(guān)注的前沿方向之一。
　　 本文主要針對于海平面背景下紅外小運動目標(biāo)進行了相關(guān)檢測與跟蹤研究。由于視頻是在海平面背景下，加上紅外圖像普遍存在目標(biāo)與背景對比度低、目標(biāo)邊緣模糊和噪聲大等問題，需要對紅外圖像降低噪聲、進行背景抑制等預(yù)處理。本文主要工作是在MATLAB環(huán)境下對檢測算法進行仿真，并在基于TMS3

2、20DM642DSP的硬件開發(fā)平臺上實現(xiàn)了運動目標(biāo)的檢測，在VisualC++環(huán)境下進行編程實現(xiàn)跟蹤功能。
　　 在紅外圖像的預(yù)處理方面，采用基于海天線的?？毡尘胺指罘椒ǎ瑢Ｌ毂尘斑M行分割，減少目標(biāo)分割時的計算量，同時對紅外圖像進行了中值濾波和高通濾波等預(yù)處理，實現(xiàn)了紅外圖像進行了去噪及邊緣增強和背景抑制等功能。
　　 在目標(biāo)檢測方面做了相應(yīng)的研究，提出了基于形態(tài)學(xué)的背景差分和頂帽檢測結(jié)合的檢測算法，并在基于TMS32

3、0DM642 DSP的硬件開發(fā)平臺上實現(xiàn)了對算法的移植和優(yōu)化。背景差分法可以得到大部分前景圖像，頂帽檢測能夠?qū)Ρ尘霸肼曈泻艽蟮囊种疲崛〉哪繕?biāo)輪廓不夠完整，將兩者結(jié)合起來，能夠更加完整平滑的檢測出目標(biāo)。
　　 在目標(biāo)跟蹤過程中，采用Mean Shift算法和Kalman濾波器結(jié)合，利用卡爾曼濾波器來預(yù)測運動目標(biāo)在當(dāng)前幀的可能位置，將它作為Mean Shift的起始位置，Mean shift會在這個位置的鄰域內(nèi)尋找到目標(biāo)在當(dāng)前幀