基于計算機視覺的運動目標(biāo)的檢測與跟蹤的研究.pdf

1、動態(tài)目標(biāo)檢測與跟蹤是把圖像處理、自動控制、信息科學(xué)等技術(shù)有機結(jié)合起來，形成一種能夠從圖像信息中快速地檢測出運動目標(biāo)，提取目標(biāo)位置信息并實時地跟蹤目標(biāo)的技術(shù)。它是計算機圖像和視頻處理的基礎(chǔ)，廣泛地應(yīng)用在工業(yè)、醫(yī)學(xué)、軍事、教育、商業(yè)、體育等領(lǐng)域中。本文著重討論和研究了視頻監(jiān)控系統(tǒng)中運動目標(biāo)檢測和目標(biāo)跟蹤的關(guān)鍵技術(shù)，并研究了算法在普通個人電腦上的實現(xiàn)。 在運動目標(biāo)檢測方面，本文研究和分析了大量的算法，對基于高斯統(tǒng)計模型的背景減法進行了

2、改進，同時提出了一個將普通直方圖建模方法與混合高斯模型建模方法相結(jié)合的復(fù)合檢測框架。該框架可以對單模態(tài)的背景點建立直方圖模型，對多模態(tài)的點建立混合高斯模型；另外，本文采用了彩色背景差分方式獲取動態(tài)目標(biāo)，并加入了陰影檢測等功能使動態(tài)目標(biāo)的獲取更加完整，魯棒性更強。目標(biāo)跟蹤方面，本文采用了一種簡單的MLE（Maximum Likelihood Estimation，最大可能性評估）應(yīng)用來分類目標(biāo)，為多目標(biāo)訂立了跟蹤優(yōu)先級；在研究了目前常用的

3、幾種跟蹤算法的基礎(chǔ)上，改進了擴展卡爾曼跟蹤算法，利用運動檢測結(jié)果，通過運動區(qū)域的質(zhì)心位置和面積比較來代替復(fù)雜的匹配過程，提高了跟蹤的運算速度，同時簡單有效的解決了復(fù)雜運動的情況。 為了驗證本文中模塊算法的有效性，本文為各個模塊設(shè)計了相關(guān)的實驗，并采集了大量的視頻數(shù)據(jù)進行對比，實驗證明了算法的有效性。 最后，本文在上述模塊的基礎(chǔ)上設(shè)計了一個完整的運動目標(biāo)檢測與跟蹤系統(tǒng)的軟件框架，實現(xiàn)了一個基于個人電腦的實時運動目標(biāo)檢測跟蹤