視頻中運動目標檢測與跟蹤相關問題研究.pdf

1、對視頻中感興趣目標進行檢測、跟蹤，一直是計算機視覺領域中的基礎性問題，是產(chǎn)業(yè)界和學術界關注的熱點問題之一。運動目標檢測與跟蹤技術是一門跨學科的交叉技術，其主要包括計算機視覺、多媒體技術、模式識別、概率論和信息論、計算智能以及圖像處理等不同學科。作為視頻數(shù)據(jù)處理的關鍵技術，運動目標檢測和跟蹤在日常生產(chǎn)和生活的各個方面得到了廣泛的應用，如人機交互、視頻編解碼、智能監(jiān)控、智能交通以及最近興起的汽車無人駕駛技術。對視頻中感興趣目標進行準確的檢測

2、和跟蹤，是視頻數(shù)據(jù)準確分析和正確決策的前提，同時也是視覺系統(tǒng)智能化的基礎。盡管很多學者在此領域做了大量的研究工作，但當前仍然面臨著很多難題困擾，諸如光照變化、目標部分或全部遮擋以及變形等。在此背景下，本文圍繞運動目標檢測發(fā)現(xiàn)與跟蹤展開深入研究，針對復雜環(huán)境提出了魯棒的高效算法，彌補現(xiàn)有算法的不足。下面對運動目標檢測發(fā)現(xiàn)與跟蹤兩方面分別敘述。
　　對于運動目標檢測，主要考慮檢測方法如何在不同的環(huán)境下提高前景檢測的魯棒性，主要考慮如何

3、消除陰影和光照變化的影響。主要研究成果如下：
　　1、基于光照模型，提出了一種局部強度比率特征（LIRM）和基于此特征的前景檢測算法，以及相應的后處理方法。該方法具有兩個顯著特征：一方面，LIRM特征具有光照不變性，因而對光照變化魯棒；另一方面,在視頻圖像噪聲是高斯分布情況下，局部強度比率也滿足高斯分布。在高斯混合模型來獲取前景過程中，用局部強度比率來代替像素值進行處理，結果得到消除陰影后的前景。實驗表明，本方法在不同的場景下可以

4、有效的消除陰影，得到無陰影的前景。采用本方法不僅可以消除陰影，同時對光照變化魯棒。同其他陰影消除和對光照魯棒的前景檢測方法比較，也顯示出較好的性能。
　　2、為了得到精確的運動前景，同時能夠消除運動陰影，本文提出了一種局部強度比率向量（LIRV）特征和基于此特征的陰影檢測方法。首先提出了局部強度比率向量（LIRV）模型，然后分析了含陰影的前景與背景的LIRV距離差值（DV）、向量角度差以及比率（RV）的概率分布特征并給予了證明。通

5、過對級聯(lián)的DV、向量角度差和RV的分布估計和局部空間關系估計，以及鄰近關系調(diào)整，最終從運動前景中分割出陰影。實驗顯示此方法比當前主流方法在檢測運動陰影方面性能有很大的提高。
　　對運動目標跟蹤，主要研究如何克服目標表觀變化以及外界環(huán)境對跟蹤效果的影響。研究成果如下：
　　3、提出一種基于局部子目標協(xié)同的目標跟蹤框架，其局部子目標的選擇基于子目標的表觀瞬時不變性。通過對一系列局部模板來表示子目標的局部瞬時表觀，以此來代替常規(guī)的