智能視覺監(jiān)視中目標檢測與跟蹤算法研究.pdf

1、智能視覺監(jiān)視系統(tǒng)以其直觀、智能化、網絡化和豐富的信息等特點越來越受到重視，成為近年來計算機視覺領域的研究熱點。智能視覺監(jiān)視在交通、軍事、安全、人機交互、醫(yī)療等眾多領域有著廣泛應用前景。運動目標的檢測和跟蹤問題是智能視覺監(jiān)視中的最基本的問題，是整個視覺監(jiān)視的基礎，對智能視覺監(jiān)視的后續(xù)處理過程是至關重要的。本文主要圍繞智能視覺監(jiān)視中的運動目標檢測和跟蹤等關鍵技術進行研究，以提高目標檢測和跟蹤方法在實時性、魯棒性和準確性等方面的性能。本文首先

2、對背景建模技術進行了研究，總結了當前背景建模算法的研究現(xiàn)狀，重點研究了碼本模型算法，分析了原始碼本模型算法的局限性，在此基礎上，提出了一種基于盒的碼本模型的背景建模算法。該算法通過構建一個基于盒的測度來對圖像幀的像素值進行匹配，實現(xiàn)背景的建模，然后通過背景減除法將輸入像素分類為背景或運動目標。該算法考慮了光照和陰影的影響，能夠處理多峰的動態(tài)背景，在構建碼本模型時允許運動目標存在，減小了計算復雜度，適合于靜態(tài)攝像機場景下的運動目標檢測。<

3、br>　　 隨后，本文將基于碼本模型的背景建模技術與基于特征點的目標跟蹤技術相結合，通過對現(xiàn)有的基于特征點跟蹤算法的分析，提出了一種基于SIFT 特征的目標跟蹤算法。該算法首先通過背景減除技術獲得運動目標區(qū)域，然后提取運動目標區(qū)域的SIFT 特征，接著使用目標的SIFT 特征與前一幀目標的SIFT 特征進行匹配，從而實現(xiàn)對目標的跟蹤。該算法通過只提取目標區(qū)域的特征點來實現(xiàn)了目標的特征分組問題，并且由于只提取目標區(qū)域的SIFT 特征，減

4、小了計算量，并且該算法能夠處理部分遮擋問題。
　　 本文還對活動輪廓模型算法進行了研究，在分析現(xiàn)有的基于活動輪廓模型的目標檢測和跟蹤算法基礎上，提出了一種基于活動輪廓模型的多目標跟蹤算法。該算法采用全局最小化活動輪廓模型來進行目標檢測和跟蹤，不會陷入局部最小值，能夠自動處理目標的拓撲變化，采用了快速數(shù)值實現(xiàn)方案，計算量小，在噪聲情況下，仍能對多個目標進行檢測和跟蹤。
　　 最后，為了有效跟蹤變形目標，本文對粒子濾波算法在