基于歐氏距離預測的視頻目標檢測與跟蹤.pdf

1、縱觀世界，互聯網產品的迭代更新迅速，人工智能領域不斷拓展，計算機視覺應用日趨多元化，圖像處理的手段也越來越多樣化，基于圖像處理范疇的視頻中運動目標的實時檢測與跟蹤就變得越來越重要，圖像信息作為未來智能化的眼睛，成為現代人關注的一個研究熱點。視頻中的運動信息是視頻解析的一種重要手段，對于視頻的理解有著舉足輕重的作用，其包含了豐富的目標狀態(tài)信息，對視頻信息的分析顯得尤為重要。但是，由于視頻中經常出現譬如背景干擾、遮擋、顏色變化等干擾信息，使

2、得現有的技術難以直接對視頻中的運動目標進行準確的檢測與跟蹤。
　　文章對如何在視頻中運動目標遮擋前后出現運動目標干擾情況時，對運動目標的檢測與跟蹤這一問題展開研究。首先，本文介紹了圖像處理的前期預處理手段，包括灰度化、濾波、形態(tài)學處理等，分析了視頻中運動目標的常用檢測技術，給出了基于幀間差基礎上的三幀差提取方法，以及運動目標在各種方案下的檢測情況。其次，在視頻運動目標跟蹤方面，提出了跟蹤和預測相結合的方案。采用CamShift算法

3、方案對視頻幀的運動目標進行有效的跟蹤，可以實現根據目標的運動情況，相應自動地調整跟蹤窗口的尺寸大小，使得運動目標能夠始終在跟蹤框中。最后，當運動目標出現遮擋時，采用自適應預測跟蹤方案，提出了基于歐式距離預測的CamShift目標跟蹤方法。當目標出現遮擋時，自適應選取Kalman預測器或者線性預測器，預測運動目標可能出現的位置，再用CamShift算法搜索目標質心，提高搜索的準確性。
　　測試結果表明，文章中所提出的自適應預測跟蹤方