基于視頻圖像序列的運動目標檢測與跟蹤算法研究.pdf

1、計算機視覺與圖像處理是當今計算機科學領域的一個熱門研究方向之一，在交通視頻監(jiān)控、航空航天、機器人視覺、醫(yī)學圖像分析等領域有著很重要的應用，現(xiàn)如今相關領域的很多研究者都認為該學科具有很好的研究潛力，未來市場很廣。對運動目標準確地檢測與定位追蹤是研究計算機視覺最基本相關的兩個過程。實現(xiàn)目標的檢測與定位追蹤需首先要能精確的檢測出目標和對前景的恢復構建，然后才能達到追蹤穩(wěn)定、有序?；陉P鍵技術環(huán)節(jié)的分析研究，本文分為以下三個部分進行系統(tǒng)的研究:

2、
　　一、對于移動物體檢測的研究，主要對比實現(xiàn)了最基本的兩種移動目標檢測算法:幀間差分法和背景減除法，分別從相應的算法理論、算法操作以及算法驗證仿真三個部分做了細致討論，并討論研究了每種算法的優(yōu)劣之處。
　　二、對于移動物體定位追蹤的研究，對最理論基礎的Mean Shift物體定位方法進行了研究仿真。具體研究了Mean Shift原理及其改進之處，Mean Shift應用中彩色模型的選擇以及運用Mean Shift目標定位方

3、法的實現(xiàn)過程，并運用測試實驗討論了Mean Shift方法在目標處于不同是狀況情景下的定位結果分析。測試結果可知基本Mean Shift定位方法在目標運動速度不快時，可以準確定位追蹤。然而，目標快速移動或處于被干擾物體擋住時，此算法使用便無法實現(xiàn)目標。
　　三、解決對目標移動快以及目標處于被干擾狀況下定位失效的問題，論文找到了一種新的結合兩種定位算法的改進算法，這兩種算法是Mean Shift物體追蹤與Kalman濾波器定位方法。

4、論文主要通過下述三個步驟進行逐步的研究:1、分析講述了如何對Kalman濾波器構造模型，進而把它的預測特性引入目標定位里，便完成了兩種方法的聯(lián)合。2、為解決目標處于被干擾狀況的無法定位難題，論文找出了利用巴式因子測試干擾及相關預測的辦法;3、經(jīng)過多次驗證測試，給出了新算法在這兩問題里的解決效果。在比較討論了新算法與基本算法之后，可以證明新結合算法可以實現(xiàn)在以上兩種情境下仍能穩(wěn)定有效的定位，與原來的基本Mean Shift定位方法對照，論