基于計算機(jī)視覺的運(yùn)動目標(biāo)分析.pdf

1、基于視覺的運(yùn)動目標(biāo)分析是指對視頻中的運(yùn)動目標(biāo)進(jìn)行檢測、識別和跟蹤,并理解與分析目標(biāo)行為,它在視頻監(jiān)控、機(jī)器人技術(shù)、圖像檢索、圖像壓縮等研究領(lǐng)域有著重要應(yīng)用。其中,運(yùn)動目標(biāo)檢測與跟蹤是目標(biāo)行為理解與分析的基礎(chǔ)。因此,對基于視覺的運(yùn)動目標(biāo)檢測和跟蹤算法的研究具有重要意義。該文就運(yùn)動目標(biāo)分析系統(tǒng)中運(yùn)動目標(biāo)檢測與跟蹤等問題展開研究,主要研究成果如下:
　　 (1)針對當(dāng)背景差分圖像呈現(xiàn)多峰特性時,閾值分割方法的目標(biāo)檢測效果不理想的問題,

2、提出了一種背景差分與邊緣檢測相結(jié)合的運(yùn)動目標(biāo)檢測算法。首先提出一種基于改進(jìn)的灰預(yù)測模型白化響應(yīng)的圖像邊緣檢測算法,該算法以圖像考察點(diǎn)附近的若干像素點(diǎn)值作為建模數(shù)據(jù),通過引入調(diào)整參數(shù)p的GM(1,1,x(1))模型對原圖像進(jìn)行預(yù)測處理,得到原始圖像的預(yù)測圖像,通過對預(yù)測圖像與原始圖像做差實現(xiàn)圖像的邊緣檢測。最后利用改進(jìn)的邊緣檢測方法檢測目標(biāo)差分圖像的邊緣,進(jìn)而實現(xiàn)運(yùn)動目標(biāo)檢測。
　　 (2)將基于區(qū)域的方法與基于邊界的方法相結(jié)合,

3、提出了一種兩階段運(yùn)動目標(biāo)跟蹤算法。第一階段采用Mean Shift結(jié)合GM(1,1)預(yù)測模型來定位目標(biāo)初始區(qū)域,該算法優(yōu)化了原始GM(1,1)模型的初始條件與背景值,將改進(jìn)GM(1,1)預(yù)測模型的預(yù)測值作為下一幀Mean Shift算法的迭代位置,減少了Mean Shift算法的迭代次數(shù),并將多尺度圖像信息量度量方法引入到目標(biāo)跟蹤中,從而實現(xiàn)跟蹤窗口的自適應(yīng)變化;第二階段采用基于Mumford-Shah模型的改進(jìn)水平集方法進(jìn)一步演化目標(biāo)

4、輪廓,從而得到更加精確的目標(biāo)邊界。
　　 (3)針對傳統(tǒng)Mean Shift算法在復(fù)雜環(huán)境、動態(tài)場景及目標(biāo)發(fā)生機(jī)動或存在遮擋的情況下跟蹤效果不理想的缺點(diǎn),提出了一種基于改進(jìn)Mean Shift與自適應(yīng)預(yù)測的運(yùn)動目標(biāo)跟蹤算法。該算法首先利用目標(biāo)的顏色和梯度兩種特征改進(jìn)Mean Shift算法,然后通過監(jiān)測Bhattacharyya系數(shù)的變化切換濾波器。當(dāng)目標(biāo)正常運(yùn)動時,利用α-β-γ濾波器預(yù)測下一幀圖像Mean Shift算法的起