視頻序列中運(yùn)動(dòng)目標(biāo)提取與跟蹤算法研究.pdf

1、本文主要研究靜止背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)和提取，運(yùn)動(dòng)目標(biāo)的跟蹤，以及Snake跟蹤算法等方面的內(nèi)容。 在靜止背景下的目標(biāo)檢測(cè)方面，本文介紹了幀間差法和背景差法兩種算法的基本原理；簡(jiǎn)要介紹了幀間差分法及其特點(diǎn)；分析了單高斯背景模型方法的優(yōu)缺點(diǎn)，給出了改進(jìn)方案并進(jìn)行實(shí)驗(yàn)分析；研究了利用混合高斯模型提取具有擾動(dòng)的背景模型的方法，分析了混合高斯模型的優(yōu)缺點(diǎn)；根據(jù)單高斯模型和混合高斯模型的優(yōu)缺點(diǎn)，提出了自適應(yīng)多高斯模型背景模型算法；在消除光照

2、突變影響方面，介紹了用統(tǒng)計(jì)亮度變化點(diǎn)數(shù)來(lái)消除光照突變影響的算法。 在研究用相關(guān)方法進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤方面，本文主要介紹了幾種常用的匹配跟蹤算法：MCD、基于直方圖特征的特征匹配跟蹤算法、SSDA，以及將DCT變換引入相關(guān)匹配的算法。在跟蹤中引入了Kalman濾波器對(duì)匹配點(diǎn)進(jìn)行預(yù)測(cè)，減小了匹配點(diǎn)的搜索范圍；引入了小波變換，先對(duì)圖像進(jìn)行小波變換，取出一次小波變換后的低頻分量進(jìn)行匹配，從而濾除了高頻噪聲，同時(shí)減少匹配的點(diǎn)數(shù)，提高了跟蹤的

3、速度和精度；給出了自適應(yīng)的模板更新機(jī)制，增加了對(duì)物體被遮擋和目標(biāo)丟失的判斷；實(shí)驗(yàn)了多種相關(guān)跟蹤算法，比較了各種算法的實(shí)時(shí)性和準(zhǔn)確性。 在Snake跟蹤算法方面，介紹了傳統(tǒng)的Snake算法及其離散化實(shí)現(xiàn)，分析了算法的不足；比較了Greedy-Snake算法和GvF-Snake算法，確定了跟蹤中使用Greedy-Snake方法的合理性；給出了Snake算法應(yīng)用于目標(biāo)跟蹤的實(shí)現(xiàn)方案，分析了實(shí)現(xiàn)跟蹤的難點(diǎn)，給出了一種實(shí)現(xiàn)初始輪廓提取的方