運動目標實時檢測和跟蹤技術應用研究與實現.pdf

1、運動目標檢測與跟蹤是應用視覺和運動圖像編碼研究領域的一個重要課題，在虛擬現實和視覺監(jiān)控領域有著廣泛的應用。運動目標檢測就是判斷視頻序列中是否存在運動目標，并確定運動目標的位置。運動目標跟蹤是指在整個視頻序列中監(jiān)控運動目標的時空變化，如目標的出現與消失，目標的位置、尺寸和形狀等。運動目標的檢測與跟蹤是緊密關聯的兩個過程，跟蹤始于檢測，而目標在后續(xù)圖像序列中的重復檢測也有助于對目標更加精確的跟蹤。 本文在研究比較了幾種常用的視頻序列

2、中運動目標檢測方法后，結合本論文的實驗場景，采用了基于背景差分法的多模態(tài)背景建模方法，提取運動前景，利用其自適應性和動態(tài)更新特性有效地反應背景的動態(tài)變化。但是這仍然不能很好地濾除掉背景中存在的不感興趣目標，結果使得感興趣目標和不感興趣目標同時存在，這嚴重影響了后期軌跡跟蹤結果?；诖嗽?，本論文提出了一種改進的基于背景差分法的多模態(tài)背景建模算法一基于特征的運動物體濾除法，當背景存在不強烈的光照變化或是輕微晃動時，在自適應的運動目標特征學

3、習過程中，可以有效地去除多模態(tài)背景建模方法誤判和錯檢情況造成的前景不準確提取，這對于后期軌跡跟蹤有著重要的作用，降低了對于不感興趣運動物體的報警錯誤率，可以說，在現代這樣一個追求經濟效益，倡導建立節(jié)約型社會的環(huán)境下，降低誤報率無疑可以節(jié)約大量的人力財力。 有了高準確度的目標檢測結果，本文利用MeanShift算法和Kalman預測器在運動目標軌跡預測方面的優(yōu)勢，加入了前景檢測結果作為Kalman預測器的初始輸入，進一步提高了目標

4、跟蹤的準確性，較好地處理了目標淺度遮擋時的跟蹤問題。為后一步實現軌跡偏離的判定提供了可靠的信息和良好的基礎。 為了將得到的目標運動軌跡加以利用，本文基于Windows平臺，通過自適應地學習目標的運動模式，設計實現了一個基于偏離閾值的偏軌報警系統(tǒng)。無論在室內還是室外，背景存在輕微晃動，或變化不明顯時，以一種用戶可定制的方式提供參數選擇，增強了方案的靈活性。 最后，在不同的實驗條件和參數選擇下，使用此系統(tǒng)進行了大量實驗，全面