基于圖像序列的運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測與跟蹤是計(jì)算機(jī)視覺和信息處理領(lǐng)域中非?；钴S的一個(gè)課題,涉及眾多學(xué)科,廣泛地應(yīng)用于軍事、工業(yè)、生活等各個(gè)方面。
　　本文以運(yùn)動(dòng)車輛為例,針對運(yùn)動(dòng)目標(biāo)檢測與跟蹤的各個(gè)環(huán)節(jié)進(jìn)行了進(jìn)入探討和研究,并提出了相應(yīng)的觀點(diǎn)和見解。本文著重探討了運(yùn)動(dòng)目標(biāo)檢測和跟蹤的主要算法。并在以下幾個(gè)方面做了一些研究工作。
　　1、在利用背景差分法檢測運(yùn)動(dòng)目標(biāo)時(shí),背景圖像的提取和重建至關(guān)重要。本文在分析了時(shí)間平均法的缺點(diǎn)后,提出了時(shí)間軸統(tǒng)計(jì)法和

2、小區(qū)域處理法。經(jīng)實(shí)驗(yàn),這兩種方法能夠更準(zhǔn)確的提取出圖像背景,且不需要太多的圖像樣本。
　　2、在利用模板匹配法進(jìn)行目標(biāo)跟蹤時(shí),提出了金字塔多分辨率+鉆石搜索的方法。該方法的主要思想是,首先采用均值金字塔對目標(biāo)模板和待跟蹤圖像進(jìn)行處理,降低分辨率,在每一分層上,采用鉆石搜索法對跟蹤區(qū)域進(jìn)行定位。該方法可以減少搜索次數(shù),提高搜索效率。本文詳細(xì)描述了算法原理和跟蹤步驟,并對實(shí)驗(yàn)結(jié)果進(jìn)行了比較和說明。
　　3、針對現(xiàn)有Mean Sh

3、ift跟蹤算法中跟蹤窗尺寸固定的不足,本文提出了兩種改進(jìn)算法。一種是利用模糊閾值分割原理,對加權(quán)灰度變換后的目標(biāo)圖像進(jìn)行分割,從而校正Mean Shift的核函數(shù)窗寬。另一種是利用FCM均值聚類原理,在YCrCb顏色空間提取出運(yùn)動(dòng)目標(biāo)的顏色特征向量,并以此校正核函數(shù)窗寬,從而達(dá)到尺度自適應(yīng)跟蹤的效果,經(jīng)過實(shí)驗(yàn)對比,這兩種算法都能夠?qū)崿F(xiàn)較為理想的跟蹤效果。
　　本論文的研究主要是通過仿真來實(shí)現(xiàn)的,但通過對算法的優(yōu)化和移植,可利用DS