基于OpenCV的運動目標檢測和跟蹤技術(shù)的研究.pdf

1、隨著現(xiàn)代社會以及高科技的飛速發(fā)展，在社會安保系統(tǒng)中，視頻監(jiān)控的作用越來越受到重視。而那些傳統(tǒng)的依靠專門的人員來監(jiān)視屏幕的系統(tǒng)已經(jīng)不能夠滿足現(xiàn)代社會安保的要求，于是智能的視覺監(jiān)控技術(shù)就應運而生。所謂的智能視覺監(jiān)控技術(shù)，指的是只通過計算機等設備來對攝像機所拍攝的視頻中的運動物體進行運動目標的檢測、跟蹤甚至定位等的各種行為分析的技術(shù)，而不是通過有人參與其中進行分析的技術(shù)。而其中對運動目標的檢測、跟蹤方面的技術(shù)則是智能視覺監(jiān)控系統(tǒng)中最根本的也是

2、最基礎的技術(shù)。
　?。?）本文在運動目標的檢測方法方面先簡單的介紹了最常用的三種運動目標檢測的算法，包括光流法、幀間差分法和背景差分法，然后通過實驗來分析了這幾種算法的性能。最后，在背景差分法和幀間差分法的基礎上對背景差分法的背景模型的建立上進行了改進。先用背景差分法提取運動目標的活動區(qū)域，然后根據(jù)背景變化的特點做分情況處理：如果背景有比較緩慢的變化時（如室外太陽光照等），就將上一幀圖像的背景模型和當前幀的圖像進行線性加權(quán)處理來更

3、新當前的圖像中的背景模型；如果背景有突然的變化（如有物體快速的進入并且停止等），就用幀間差分法，對初步判斷的“運動目標”做進一步的判斷。然后再做圖像的后續(xù)處理工作。
　　（2）本文在運動目標的跟蹤方法方面，先分別介紹了Camshift算法和Kalman算法。然后采用幀間差分法和背景差分法相結(jié)合預先將要跟蹤的運動目標進行采樣，將獲取的目標模板的顏色分布圖與視頻中出現(xiàn)的運動運動目標進行匹配。針對被檢測的運動目標在圖像中被遮擋或者有相似