復雜背景下視頻運動目標檢測與跟蹤算法研究.pdf

1、世界在不斷變化中，相比于靜態(tài)單一圖像，動態(tài)圖像能夠提供更加豐富的信息。那么要從包含大量數(shù)據(jù)的動態(tài)圖像中提取目標的運動信息，就需要采用視頻運動目標檢測與跟蹤方法。作為當前機器視覺和計算機圖像處理的熱門領域，運動目標檢測和跟蹤涉及到人工智能、模式識別、自動控制等眾多學科，同時對機器人導航、軍事制導、智能交通、醫(yī)學圖像分析以及當前蓬勃發(fā)展的智能家庭等領域有著廣泛的應用。文章針對當前運動目標檢測和跟蹤算法在復雜背景下對目標跟蹤難、實時性和準確性

2、不高的應用難點，主要以行人和車輛以及空中飛行飛機為跟蹤對象，研究了提高圖像跟蹤算法性能的各種策略，以便使得算法達到實時、準確跟蹤、多目標跟蹤的目的。
　　首先，文章介紹了國內(nèi)外視頻運動目標檢測和發(fā)展現(xiàn)狀，對運動目標檢測和跟蹤做了系統(tǒng)的講解，對復雜背景的特征以及跟蹤難點進行了詳細的探討。針對復雜背景下的運動目標圖像特征，采用Horn-Schunck（H-S）光流法和幀間差分法法結合的目標檢測算法對目標進行提取，并利用投影定位算法獲取

3、目標形心所在方位。
　　然后，文章研究了單目標跟蹤算法，利用“當前”模型和卡爾曼濾波器，建立了基于“當前”模型自適應濾波算法，并基于該算法設計了自適應跟蹤波門用于目標跟蹤。講述了常用的基于核的跟蹤方法，并與文章引入的跟蹤算法進行實驗對比。在不同的復雜背景下，利用前面的單目標跟蹤算法對不同場景中的運動目標進行跟蹤，并進行了實驗分析。
　　接著，文章對視頻圖像的多目標跟蹤原理進行了討論，并對現(xiàn)有的航跡關聯(lián)算法的缺陷進行了分析，將