行人目標(biāo)檢測(cè)和跟蹤算法研究.pdf

1、本文對(duì)靜止背景下視頻序列中的運(yùn)動(dòng)人體檢測(cè)和跟蹤方法進(jìn)行了研究，重點(diǎn)研究了靜止的單攝像機(jī)所拍攝的視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè)，運(yùn)動(dòng)目標(biāo)跟蹤等方面的內(nèi)容。首先介紹了運(yùn)動(dòng)檢測(cè)技術(shù)，在運(yùn)動(dòng)目標(biāo)檢測(cè)算法中，研究分析了兩種算法:幀間差分法、基于混合高斯模型的背景差分法的檢測(cè)效果。幀間差分法實(shí)現(xiàn)方法簡單，但是提取目標(biāo)不完整、存在空洞;而背景差分法則有效彌補(bǔ)了這一缺陷，同時(shí)基于混合高斯模型的算法也具有較快的速度。在人體跟蹤方而，分析了MeanShift算法對(duì)快

2、速目標(biāo)跟蹤的不可靠性，考慮使用目標(biāo)的運(yùn)動(dòng)信息和空間色彩信息。在前面目標(biāo)檢測(cè)和分割的基礎(chǔ)上，本文采用了卡爾曼濾波和MeanShift算法相結(jié)合進(jìn)行目標(biāo)的跟蹤處理，豐富了對(duì)已知信息的使用，增強(qiáng)了跟蹤效果。
　　 主要工作包括:
　　 (1)利用基于混合高斯模型的背景差分法提取運(yùn)動(dòng)目標(biāo)，以此為基礎(chǔ)做目標(biāo)跟蹤，彌補(bǔ)了一般的跟蹤算法需要人工設(shè)定目標(biāo)區(qū)域的缺點(diǎn)，實(shí)現(xiàn)了自動(dòng)跟蹤運(yùn)動(dòng)目標(biāo)的功能。
　　 (2)在經(jīng)典MeanShi

3、ft算法的基礎(chǔ)上，加入了卡爾曼濾波器，改善了運(yùn)動(dòng)目標(biāo)速度較高時(shí)的跟蹤效果。
　　 上述內(nèi)容體現(xiàn)了本文的改進(jìn)與創(chuàng)新。本文對(duì)室內(nèi)和室外兩組包含單行人運(yùn)動(dòng)目標(biāo)的視頻進(jìn)行了測(cè)試。實(shí)驗(yàn)結(jié)果證明，基于混合高斯模型的背景差分法計(jì)算量適中，檢測(cè)出來的前景比較完整，對(duì)背景噪聲的抑制也較好。未加入卡爾曼濾波的經(jīng)典MeanShift算法對(duì)快速運(yùn)動(dòng)的行人目標(biāo)跟蹤效果不佳，而本文提出的加入卡爾曼濾波的跟蹤算法對(duì)快速運(yùn)動(dòng)的目標(biāo)（運(yùn)動(dòng)速度在10米/秒以上的行