視頻序列中的運動目標(biāo)檢測與跟蹤.pdf

1、計算機(jī)視覺技術(shù)在過去二十多年里開始取得了飛速的發(fā)展，而運動目標(biāo)的檢測與跟蹤作為視頻圖像技術(shù)中的重要的組成部分吸引了越來越多的學(xué)者參與其中并開展廣泛的科研工作，取得了豐碩的研究成果。運動目標(biāo)的檢測與跟蹤技術(shù)現(xiàn)已被大量地應(yīng)用在醫(yī)學(xué)圖像分析、人工智能機(jī)器、視頻監(jiān)控以及軍事等諸多方面。隨著其應(yīng)用的范圍的不斷擴(kuò)大，提高其對復(fù)雜環(huán)境因素的魯棒性以及檢測跟蹤算法的精確性就成為了當(dāng)前該領(lǐng)域內(nèi)的研究重點。
　　本文首先介紹了目前一些傳統(tǒng)的檢測與跟蹤

2、方法，并對它們各自優(yōu)勢以及劣勢加以闡述。在檢測算法方面運用一種VIBE以及時空軌跡譜聚類分割結(jié)合的檢測算法。通過VIBE算法得到的目標(biāo)模型信息再與時空軌跡的時空信息相結(jié)合，綜合兩種信息可以更好的檢測出運動目標(biāo)。在某種程度上該算法又是一種目標(biāo)檢測與跟蹤的聯(lián)合算法，在對目標(biāo)檢測的同時也實現(xiàn)了對目標(biāo)的跟蹤，而跟蹤的結(jié)果又會修正檢測的結(jié)果，提高了檢測精度的同時減少了漏檢測、誤檢測等情況。
　　目標(biāo)跟蹤方面，提出了一種基于求解最大權(quán)值獨立集

3、的數(shù)據(jù)關(guān)聯(lián)算法，用于完成對目標(biāo)檢測結(jié)果的匹配連接從而完成跟蹤。通過對幀間目標(biāo)檢測結(jié)果之間進(jìn)行相似性度量，進(jìn)而根據(jù)度量關(guān)系對目標(biāo)檢測片段加權(quán)，權(quán)值最大的一組獨立集即是所求的結(jié)果。通過將權(quán)值優(yōu)化和改良，得到了較好的實驗結(jié)果。實驗表明，本文的算法，無論是在標(biāo)準(zhǔn)測試集上還是在自行錄制的視頻測試集中，相比其他算法，均有著更好的跟蹤效果。
　　最后通過實驗證明了本文方法無論在標(biāo)準(zhǔn)測試集上還是自行錄制的視頻測試集上，均有著較好的檢測與跟蹤效果。