視頻序列中運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤算法研究.pdf

1、目前，隨著智能算法的不斷發(fā)展，智能交通監(jiān)控系統(tǒng)已日漸引起了人們的關(guān)注，但該技術(shù)目前尚未發(fā)展成熟，離完全智能化的水平還有很長(zhǎng)一段距離，但人們熱切地希望智能交通技術(shù)可以為各個(gè)城市營(yíng)造暢通而有序的交通環(huán)境，并能減少交通事故的發(fā)生。作為智能交通監(jiān)控系統(tǒng)的前提和基礎(chǔ)，運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤成為了學(xué)術(shù)界的研究熱點(diǎn)。因此，本文就視頻序列中運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的相關(guān)技術(shù)進(jìn)行了學(xué)習(xí)，并在目標(biāo)檢測(cè)方面展開了較為深入的研究工作。
　　由于經(jīng)典的背景差分法受背

2、景建模及背景更新速率和準(zhǔn)確度的影響較大，因此本文在背景建模和背景更新方面作了較為深入地學(xué)習(xí)和研究。首先，對(duì)于背景建模，提出了一種基于區(qū)間分布密度的背景建模方法，該方法主要基于灰度值歸類思想，首先對(duì)背景訓(xùn)練序列中當(dāng)前像素點(diǎn)在不同時(shí)刻的所有灰度值進(jìn)行歸類，然后通過計(jì)算區(qū)間密度來選擇背景子類，進(jìn)行背景建模。實(shí)驗(yàn)結(jié)果表明，該方法的建模結(jié)果逼真，實(shí)時(shí)性好，且對(duì)道路環(huán)境具有較好的適應(yīng)性；其次，對(duì)于背景更新，提出了一種在前景中完成背景重建的方法，首先

3、提取運(yùn)動(dòng)目標(biāo)掩碼，然后通過該掩碼將前景中的動(dòng)態(tài)區(qū)域用初始化背景圖像中相應(yīng)的模塊去填充，完成背景圖像的重建，該方法的更新速率較高，且不易受到背景中樹葉晃動(dòng)等干擾因素的影響，為后續(xù)的目標(biāo)檢測(cè)奠定了良好的基礎(chǔ)。
　　針對(duì)經(jīng)典的幀差法提取到的目標(biāo)內(nèi)部容易出現(xiàn)空洞的缺點(diǎn)，文中提出了一種基于八方向平移法的運(yùn)動(dòng)目標(biāo)邊緣檢測(cè)方法，該方法可以直接提取到前景中動(dòng)態(tài)目標(biāo)的邊緣圖像而不受背景物體的干擾；然后將其與多幀差分法相結(jié)合進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。實(shí)驗(yàn)結(jié)果