基于圖像的多運動目標跟蹤系統(tǒng)研究.pdf

1、多目標跟蹤是當前計算機視覺中的熱點問題之一，已經(jīng)被廣泛的應用在視頻監(jiān)控、視頻壓縮編碼、成像制導等領域。迄今為止在視覺領域已經(jīng)提出了很多檢測跟蹤算法，其中混合高斯背景法能夠很好的檢測出多模態(tài)場景中的運動前景；Mean-Shift 跟蹤算法計算快速，顯示了很好的實時性；粒子濾波跟蹤算法則能夠有效的處理非線性非高斯系統(tǒng)，顯示了良好的準確性。這些算法被廣泛的應用在目標檢測跟蹤當中。但是到目前為止，仍然沒有一種算法能夠適用于所有的跟蹤場景。本文的

2、主要工作就是彌補這些算法的缺點，然后融合這些優(yōu)化后算法，設計出一套新的檢測跟蹤系統(tǒng)。
　　 論文首先介紹了幀差法、光流法和背景減除法等檢測方法的基本原理。針對混合高斯背景法對于陰影不敏感的缺點，本文利用HSV 空間中目標與陰影的差異，找到并弱化陰影。為解決這種背景法難以克服光線突變的問題，本文通過統(tǒng)計新進圖像中所有像素亮度變化的規(guī)律來發(fā)現(xiàn)和去除存在嚴重光噪的幀。
　　 論文接著分析了Mean-Shift 算法的相關理論與

3、跟蹤算法。針對該算法在目標相互遮擋或形狀姿勢發(fā)生改變的時候容易失敗的不足，本文在算法中增添捕捉目標形狀的協(xié)方差參數(shù)，使算法能夠即時的捕捉運動過程中目標發(fā)生的形狀變化，調(diào)整跟蹤的路徑。通過仿真實驗證明了新的算法在保證實時性的前提下比傳統(tǒng)算法準確40％以上。
　　 論文最后分析了粒子濾波的相關理論與跟蹤算法，并用實驗證明粒子濾波算法在處理多目標遮擋時有較高的可靠性。在前面研究的基礎上，本文提出了一套混合高斯優(yōu)化背景，Mean-Shi

4、ft 優(yōu)化算法與粒子濾波相結(jié)合的多目標跟蹤系統(tǒng)。該系統(tǒng)利用改進后的混合高斯背景捕捉前景觀測值。再依據(jù)邏輯關系匹配觀測值和目標軌跡，合并具有相似行為的沖突目標，根據(jù)運動物體的遮擋情況選擇合適的跟蹤算法。未發(fā)生遮擋時選擇可捕捉運動物體形狀的Mean-Shift算法，發(fā)生遮擋時選擇帶粒子整合的粒子算法。
　　 論文提出的跟蹤系統(tǒng)合理融合了混合高斯背景檢測的準確性、Mean-Shift算法跟蹤的實時性與粒子濾波算法跟蹤的穩(wěn)定性。通過仿真