基于視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法的研究.pdf

1、近年來隨著科學(xué)水平的發(fā)展與計(jì)算機(jī)技術(shù)的進(jìn)步，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)取得了許多成果，期間涌現(xiàn)出不少優(yōu)秀算法，實(shí)際應(yīng)用領(lǐng)域也愈加寬廣。然而，在復(fù)雜環(huán)境下，依舊存在著很多問題。針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法存在的不足，本文提出了一種新的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法。總的來說，本文主要研究工作和創(chuàng)新性如下：
　　1、圖像處理基礎(chǔ)知識(shí)的介紹。本文概括介紹了圖像平滑處理、邊緣檢測(cè)和數(shù)學(xué)形態(tài)學(xué)處理的相關(guān)知識(shí)，針對(duì)本文所涉及的一些處理技術(shù)，包括中值濾波、C

2、anny算子、膨脹腐蝕等進(jìn)行了詳細(xì)介紹。
　　2、運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究。首先，介紹了傳統(tǒng)的光流法、幀間差分法及背景差分法的基礎(chǔ)概念及公式原理，并對(duì)其中幾種代表性的算法進(jìn)行分析對(duì)比，列出了它們的優(yōu)缺點(diǎn)。然后，在此基礎(chǔ)上提出了一種基于視覺背景提取模型的新算法——IDVibe算法。該算法分別從模型建立、模型匹配、模型更新及前景分割四個(gè)方面進(jìn)行改進(jìn)，通過融入三幀差分法的思想，有效地解決了“鬼影”、光照變化等問題。最后，通過實(shí)驗(yàn)仿真可以得

3、到，本文提出的檢測(cè)算法能更好地適應(yīng)動(dòng)態(tài)復(fù)雜的環(huán)境，有良好的檢測(cè)效果和魯棒性。
　　3、運(yùn)動(dòng)目標(biāo)跟蹤算法的研究。本文以卡爾曼濾波跟蹤算法、Mean shift算法和粒子濾波算法為基礎(chǔ)，提出了一種融合多特征與Mean Shift的粒子濾波跟蹤算法。首先，通過IDVibe算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)、定位。然后，融合顏色、紋理及邊緣的特征信息進(jìn)行模型匹配，實(shí)現(xiàn)粒子濾波跟蹤。最后，運(yùn)用Mean shift算法的收斂性，將粒子重新聚集到真實(shí)目標(biāo)附