基于視頻的動(dòng)態(tài)目標(biāo)檢測(cè)和跟蹤研究.pdf

1、在人所感知的視覺信息中，動(dòng)態(tài)視覺信息是其主要組成部分。盡管人類的視覺既能看見運(yùn)動(dòng)又能看到靜止的物體，但是在許多場合，比如重要場所的安全監(jiān)控、汽車的自動(dòng)駕駛和輔助駕駛、交通流量的控制、軍事視覺制導(dǎo)等，人們往往只對(duì)運(yùn)動(dòng)目標(biāo)或物體感興趣。因此，研究運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤，有很大的現(xiàn)實(shí)意義和理論價(jià)值。 本文主要研究了面向重要安全場所的視頻監(jiān)控的關(guān)鍵技術(shù)。重點(diǎn)研究靜態(tài)背景下運(yùn)動(dòng)目標(biāo)的檢測(cè)、目標(biāo)跟蹤、輪廓跟蹤以及特殊目標(biāo)如人臉的跟蹤等方面的研

2、究內(nèi)容。主要工作有: 1、靜態(tài)背景下的目標(biāo)檢測(cè)。分析當(dāng)前目標(biāo)檢測(cè)算法的原理，針對(duì)具體的應(yīng)用背景，提出了基于灰度和邊緣差分的目標(biāo)檢測(cè)算法，并使用高斯模型為背景圖像建模，在對(duì)視頻圖像處理的過程中，使用自適應(yīng)的背景模型更新算法對(duì)背景模型進(jìn)行修正，經(jīng)過修正后的背景模型能夠及時(shí)反映出背景的動(dòng)態(tài)變化。首先通過減運(yùn)算得到背景和前景圖像的灰度差分圖像，并對(duì)其取絕對(duì)值；然后利用Sobel算子對(duì)兩幀圖像進(jìn)行邊緣檢測(cè)，并進(jìn)行邊緣差分；最后將兩次差分結(jié)

3、果進(jìn)行邏輯或運(yùn)算，得到運(yùn)動(dòng)目標(biāo)的檢測(cè)結(jié)果。該方法能夠在較大程度上滿足系統(tǒng)的要求，提高檢測(cè)結(jié)果精度。 2、目標(biāo)跟蹤。針對(duì)均值漂移算法存在的不足，利用連續(xù)自適應(yīng)均值漂移算法(CamShift)進(jìn)行目標(biāo)的跟蹤。CamShift是一種應(yīng)用顏色信息的跟蹤算法，在跟蹤過程中，CamShift利用目標(biāo)的色彩直方圖模型得到每幀圖像的色彩投影圖，并根據(jù)上一幀跟蹤的結(jié)果自適應(yīng)調(diào)整搜索窗口的位置和大小，從而得到當(dāng)前圖像中目標(biāo)的尺寸和中心位置。該算法在

4、圖像背景復(fù)雜且目標(biāo)不規(guī)則運(yùn)動(dòng)的情形下，仍能有效跟蹤到目標(biāo)。 3、目標(biāo)輪廓跟蹤。提出水平集(Level Set)和均值漂移(Mean Shift)相結(jié)合的跟蹤算法。因?yàn)樗郊椒ǖ挠?jì)算量比較大，利用改進(jìn)的不需要求解PDE(Partial DifferentialEquations)方程的算法，此算法主要是根據(jù)像素單元之間的交換操作來演化邊界線，同時(shí)引入高斯濾波函數(shù)保持邊界線的光滑性。首先利用Level Set得到目標(biāo)的初始輪廓:然

5、后利用Mean Shift預(yù)測(cè)下一幀目標(biāo)的位置，得到目標(biāo)的粗輪廓；最后利用LevelSet得到目標(biāo)的精輪廓。該算法的最大優(yōu)點(diǎn)在于利用Mean Shift粗略得到目標(biāo)的輪廓，這樣作為Level Set初始演化曲線的輪廓可以避免水平集函數(shù)演化時(shí)跨過邊界，同時(shí)大大降低了水平集方法的迭代次數(shù)，更好的保證了跟蹤的實(shí)時(shí)性和魯棒性。 4、特殊目標(biāo)跟蹤。針對(duì)人臉跟蹤，提出AdaBoost和CamShifl相結(jié)合的快速跟蹤算法。首先利用AdaBo