面向視頻監(jiān)探的目標(biāo)檢測和跟蹤技術(shù).pdf

1、隨著視頻監(jiān)控系統(tǒng)規(guī)模的不斷擴(kuò)大，單純地使用人力實(shí)現(xiàn)對大量監(jiān)控點(diǎn)的在線監(jiān)視是不現(xiàn)實(shí)的，因此，具有自主分析能力的智能視頻監(jiān)控系統(tǒng)是視頻監(jiān)控系統(tǒng)未來發(fā)展的趨勢。此外，國內(nèi)外許多公共場所，企業(yè)等也開始推廣無人值守的視頻監(jiān)控，對智能化監(jiān)控的發(fā)展起到了推動作用。
　　 論文分析了當(dāng)前幾種典型的運(yùn)動目標(biāo)檢測算法，針對實(shí)際監(jiān)控系統(tǒng)的要求，提出一種噪聲估計(jì)與混合高斯模型算法相結(jié)合的自適應(yīng)運(yùn)動目標(biāo)檢測算法，將噪聲估計(jì)結(jié)果作為混合高斯模型初始化參數(shù)和

2、選取混合高斯模型的學(xué)習(xí)率的依據(jù)，提高了混合高斯模型建立背景模型速度，降低了誤檢率。實(shí)驗(yàn)結(jié)果表明，本文算法能快速有效地檢測出運(yùn)動目標(biāo)，適應(yīng)實(shí)時跟蹤的需要。
　　 論文對典型的運(yùn)動目標(biāo)跟蹤算法進(jìn)行分析與比較，重點(diǎn)研究了基于粒子濾波算法的運(yùn)動目標(biāo)跟蹤技術(shù)，并針對粒子濾波算法的缺陷進(jìn)行了改進(jìn)。首先改進(jìn)了粒子濾波重采樣算法，在粒子上加入微小的高斯擾動，調(diào)整重采樣后粒子的分布，抑制了采樣枯竭；其次將粒子濾波的預(yù)測性與運(yùn)動目標(biāo)檢測結(jié)合，在跟蹤