基于攝像頭的視頻動態(tài)目標(biāo)跟蹤的設(shè)計與實現(xiàn).pdf

1、我們知道在人類所能夠感知的各種各樣信息之中，對于運(yùn)動的目標(biāo)的感知是其相對比較重要的部分之一。雖然我們?nèi)祟悓\(yùn)動的物體以及靜的物體才能感知但在我們現(xiàn)實生活中的一些特定的領(lǐng)域，比如說：汽車的無人（自動以及輔助）駕駛、對于交通的流量進(jìn)行監(jiān)控、軍事目標(biāo)檢測及打擊、金融等重點部門重點部位監(jiān)控等，人們往往只是對運(yùn)動的目標(biāo)或物體感興趣。所以說，對運(yùn)動目標(biāo)的檢測和跟蹤技術(shù)進(jìn)行研究，有很大的現(xiàn)實意義和應(yīng)用價值。現(xiàn)在各個國家也都投入了大量的人力、物力對這一

2、技術(shù)進(jìn)行深入的研究，這一研究的成果也被廣泛地應(yīng)用到了我們?nèi)粘Ｉa(chǎn)、生活的各個領(lǐng)域。
　　要對運(yùn)動目標(biāo)進(jìn)行并對運(yùn)動目標(biāo)實施跟蹤的目的在于應(yīng)用，可是在實際的應(yīng)用中現(xiàn)實生活場景中目標(biāo)運(yùn)動的復(fù)雜性以及視頻數(shù)據(jù)所具有的復(fù)雜性是其難點之一。該文主要是針對運(yùn)動目標(biāo)的檢測和運(yùn)動目標(biāo)的跟蹤進(jìn)行了相對深入的研究，對常見的目標(biāo)檢測算法和跟蹤的各種算法的優(yōu)缺點進(jìn)行了簡要的分析；將依賴灰度和邊緣差分兩種對運(yùn)動目標(biāo)進(jìn)行檢測的算法進(jìn)行了結(jié)合，并且選用了高斯模型

3、作為對背景圖像建模的模型；本文我們采用Mean Shift算法對視頻圖像進(jìn)行處理；在VC++環(huán)境下進(jìn)行了動態(tài)目標(biāo)跟蹤系統(tǒng)的設(shè)計和實現(xiàn)。利用攝像頭對運(yùn)動目標(biāo)進(jìn)行檢測和跟蹤，依賴Mean Shift算法的視頻動態(tài)目標(biāo)跟蹤系統(tǒng)在靜態(tài)場景中發(fā)現(xiàn)運(yùn)動目標(biāo)時，能夠發(fā)出報警信息，提醒用戶注意。
　　實驗表明，依賴Mean Shift算法具有較好的魯棒性和實時性，這一系統(tǒng)可以實現(xiàn)對依賴于攝像頭的視頻動態(tài)目標(biāo)進(jìn)行比較有效地跟蹤，能夠獲得比較好的跟蹤