動態(tài)背景下運(yùn)動目標(biāo)的檢測與跟蹤.pdf

1、計算機(jī)視覺是計算機(jī)學(xué)科中的一個重要領(lǐng)域，而視頻中的目標(biāo)檢測與跟蹤是計算機(jī)視覺領(lǐng)域中一個非常重要的研究課題。傳統(tǒng)的目標(biāo)檢測與跟蹤通常是針對背景不變的場景的，而隨著拍攝手段的多樣化，出現(xiàn)了越來越多的可移動攝像頭，如航拍設(shè)備、車載設(shè)備、手持設(shè)備和機(jī)器人等。當(dāng)背景運(yùn)動時，固定場景下的目標(biāo)檢測與跟蹤方法大多不再有效。因此研究移動攝像下的目標(biāo)檢測與跟蹤顯得非常必要。本文對動態(tài)背景下的目標(biāo)檢測與跟蹤進(jìn)行研究，探討了目標(biāo)檢測與跟蹤的原理和有效算法，具有

2、較重要的學(xué)術(shù)意義和應(yīng)用價值。
　　本文對目標(biāo)檢測與跟蹤的研究現(xiàn)狀作了較為詳盡的綜述。針對動態(tài)背景下運(yùn)動背景對目標(biāo)檢測造成的干擾，通過基于SURF特征點(diǎn)的圖像匹配方法來補(bǔ)償背景的運(yùn)動,進(jìn)而用幀差法實(shí)現(xiàn)對運(yùn)動目標(biāo)的檢測。其中在特征點(diǎn)篩選的環(huán)節(jié)本文創(chuàng)新的將網(wǎng)格與特征點(diǎn)的運(yùn)動矢量相結(jié)合，不僅可以排除誤匹配的特征點(diǎn)對，還可以排除選在了目標(biāo)上的特征點(diǎn)，提高了全局運(yùn)動參數(shù)的準(zhǔn)確性。
　　對于動態(tài)背景的目標(biāo)跟蹤，本文基于目前比較熱門的TLD

3、算法進(jìn)行了改進(jìn)。TLD算法共分為檢測模塊、跟蹤模塊、綜合模塊和學(xué)習(xí)模塊四個部分，跟蹤模塊以之前一幀中得到的目標(biāo)區(qū)域中的內(nèi)容來預(yù)測其在當(dāng)前幀畫面中的位置；檢測模塊在當(dāng)前幀中進(jìn)行目標(biāo)檢測；綜合模塊將檢測模塊與跟蹤模塊的結(jié)果綜合進(jìn)行考慮，來確定目標(biāo)在當(dāng)前幀中的位置；學(xué)習(xí)模塊持續(xù)的訓(xùn)練分類器，來保證整個算法的性能。針對原始TLD算法對出現(xiàn)較大形變或漂移的目標(biāo)識別率不高的問題，改進(jìn)了算法中的學(xué)習(xí)模塊，通過增加檢測模塊沒有輸出時的系統(tǒng)輸出來提高識別