多媒體傳感器網絡目標檢測與跟蹤算法研究與實現.pdf

1、在多媒體傳感器網絡采集的多種媒體信息里，圖像信息的含量超過70％，所以，基于圖像序列的運動目標檢測與跟蹤算法是多媒體傳感器網絡研究的重點。多媒體傳感器網絡對得到的圖像序列進行分析和處理，檢測是否存在感興趣的運動目標，并且提取運動目標的有用信息，進行跟蹤和預測，實現對場景的智能監(jiān)控。 通過對運動目標檢測與跟蹤算法的深入研究，本文創(chuàng)新性地進行了目標檢測與跟蹤算法的研究和設計，并對視頻傳感器節(jié)點的目標檢測與跟蹤算法軟件進行設計開發(fā)。本

2、文的工作和創(chuàng)新有： 1．充分利用對運動目標跟蹤和預測的結果，提出了基于卡爾曼濾波的自適應塊運動估計算法進行全局運動補償。該方法充分利用通過卡爾曼濾波預測運動目標在下一幀圖像里的位置，根據預測的結果選擇求解運動矢量的圖像塊?？紤]了幀間運動信息的相關性，使用新三步搜索算法來增大搜索策略的準確性。實驗結果驗證了該方法可以提高模型參數求解的精度和速度。 2．去除攝像機的運動造成圖像背景的變化是運動目標檢測的一個重點和難點。在對當

3、前的全局運動估計算法進行整體研究之后，通過對序列圖像的背景進行建模，采用攝像機6參數模型進行全局運動估計。通過使用圖像的局部塊來進行二維圖像運動估計，進而提高了整體運算速度。對得到的局部塊運動估計結果，采用循環(huán)迭代擬合的方式，去除不屬于背景區(qū)域的塊估計結果，最后得到合理的攝像機6參數運動模型的系數，并利用獲得的攝像機6參數模型實現運動補償。 3．去除序列圖像的噪聲是運動目標檢測問題的另一個重點。通過對小波系數理論的研究，多尺度小

4、波分解可以很好地對噪聲和圖像細節(jié)產生的高頻系數進行區(qū)分。通過設置相應的閾值可以很好地去除圖像的噪聲。對經過運動補償和去噪的圖像，通過三幀差法實現運動目標檢測。 4．對當前幀圖像進行運動目標檢測后，可以獲得圖像里運動目標的位置及大小等信息。充分利用序列圖像信息的相關性，采用基于卡爾曼濾波的目標跟蹤方法對運動目標進行跟蹤，并對下一幀里運動目標的大致區(qū)域進行預測，作為新一幀圖像全局運動估計的依據。 5．對視頻傳感器節(jié)點的運動目