復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究.pdf

1、運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤因其在軍事制導(dǎo)、智能交通、安全監(jiān)控等領(lǐng)域都有著廣泛的應(yīng)用,已經(jīng)成為當(dāng)前計(jì)算機(jī)視覺(jué)領(lǐng)域研究重點(diǎn)之一。由于環(huán)境的影響,如光照變化、空氣流動(dòng)等,使得水面波紋變化、地面植物晃動(dòng)等,給目標(biāo)檢測(cè)帶來(lái)很多不確定因素,因此,研究復(fù)雜背景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法成為圖像處理領(lǐng)域的難點(diǎn)和熱點(diǎn)問(wèn)題。
　　本文從圖像預(yù)處理技術(shù)、運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)、運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)三個(gè)方面著手,對(duì)傳統(tǒng)常規(guī)方法和目前較為流行的檢測(cè)與跟蹤方法從原理上進(jìn)行了

2、分析,并比較了各自的優(yōu)缺點(diǎn)以及適用范圍。在此基礎(chǔ)上提出了基于混合高斯背景建模的改進(jìn)型背景差分法,能夠適應(yīng)復(fù)雜背景下的目標(biāo)檢測(cè);利用Kalman濾波器對(duì)目標(biāo)狀態(tài)進(jìn)行預(yù)測(cè)縮短了MeanShift的搜索匹配時(shí)間并提高了其跟蹤準(zhǔn)確性,提高了目標(biāo)跟蹤的精度和實(shí)時(shí)性。在區(qū)域監(jiān)控行人的應(yīng)用中,針對(duì)不同檢測(cè)區(qū)域綜合使用改進(jìn)的MeanShift算法和移動(dòng)式管道濾波,取得了不錯(cuò)的實(shí)驗(yàn)結(jié)果。論文將研究成果運(yùn)用于邊檢過(guò)境通道防尾隨項(xiàng)目中,取得了較高的檢測(cè)精度。