基于計(jì)算機(jī)視覺的運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤的研究.pdf

1、動(dòng)態(tài)目標(biāo)檢測(cè)與跟蹤是把圖像處理、自動(dòng)控制、信息科學(xué)等技術(shù)有機(jī)結(jié)合起來，形成一種能夠從圖像信息中快速地檢測(cè)出運(yùn)動(dòng)目標(biāo)，提取目標(biāo)位置信息并實(shí)時(shí)地跟蹤目標(biāo)的技術(shù)。它是計(jì)算機(jī)圖像和視頻處理的基礎(chǔ)，廣泛地應(yīng)用在工業(yè)、醫(yī)學(xué)、軍事、教育、商業(yè)、體育等領(lǐng)域中。本文著重討論和研究了視頻監(jiān)控系統(tǒng)中運(yùn)動(dòng)目標(biāo)檢測(cè)和目標(biāo)跟蹤的關(guān)鍵技術(shù)，并研究了算法在普通個(gè)人電腦上的實(shí)現(xiàn)。 在運(yùn)動(dòng)目標(biāo)檢測(cè)方面，本文研究和分析了大量的算法，對(duì)基于高斯統(tǒng)計(jì)模型的背景減法進(jìn)行了

2、改進(jìn)，同時(shí)提出了一個(gè)將普通直方圖建模方法與混合高斯模型建模方法相結(jié)合的復(fù)合檢測(cè)框架。該框架可以對(duì)單模態(tài)的背景點(diǎn)建立直方圖模型，對(duì)多模態(tài)的點(diǎn)建立混合高斯模型；另外，本文采用了彩色背景差分方式獲取動(dòng)態(tài)目標(biāo)，并加入了陰影檢測(cè)等功能使動(dòng)態(tài)目標(biāo)的獲取更加完整，魯棒性更強(qiáng)。目標(biāo)跟蹤方面，本文采用了一種簡(jiǎn)單的MLE（Maximum Likelihood Estimation，最大可能性評(píng)估）應(yīng)用來分類目標(biāo)，為多目標(biāo)訂立了跟蹤優(yōu)先級(jí)；在研究了目前常用的

3、幾種跟蹤算法的基礎(chǔ)上，改進(jìn)了擴(kuò)展卡爾曼跟蹤算法，利用運(yùn)動(dòng)檢測(cè)結(jié)果，通過運(yùn)動(dòng)區(qū)域的質(zhì)心位置和面積比較來代替復(fù)雜的匹配過程，提高了跟蹤的運(yùn)算速度，同時(shí)簡(jiǎn)單有效的解決了復(fù)雜運(yùn)動(dòng)的情況。 為了驗(yàn)證本文中模塊算法的有效性，本文為各個(gè)模塊設(shè)計(jì)了相關(guān)的實(shí)驗(yàn)，并采集了大量的視頻數(shù)據(jù)進(jìn)行對(duì)比，實(shí)驗(yàn)證明了算法的有效性。 最后，本文在上述模塊的基礎(chǔ)上設(shè)計(jì)了一個(gè)完整的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤系統(tǒng)的軟件框架，實(shí)現(xiàn)了一個(gè)基于個(gè)人電腦的實(shí)時(shí)運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤