運動目標自動檢測、提取與跟蹤.pdf

1、本文主要是在攝像頭固定，與背景相對靜止的條件下進行的目標檢測、提取與跟蹤。運動目標檢測是指判斷監(jiān)控區(qū)域內是否有目標的闖入，檢測是否有與背景存在相對運動的物體存在；目標提取則是在檢測出目標后，完整地將目標從背景中分割出來；目標跟蹤則是記錄下目標的運動軌跡，為以后更高層次得目標分類，行為理解提供數據支持。本文從一開始的目標檢測，再到目標提取，將提取的目標位置作為mean shift算法跟蹤所需的初始搜索窗口，以完成自動跟蹤，并通過設定相似性

2、測度相對改變量來適應目標尺寸、形狀的改變，在整個過程中，無須人工參與，達到智能檢測與跟蹤的效果。
　　 本文首先介紹了選題背景和研究意義，分析了該領域的研究現狀，并將本文的研究內容和章節(jié)安排做了簡述；在正式詳述目標檢測、提取之前，先介紹了相關的預備知識，包括數學形態(tài)學，陰影的消除，連通域標記等；在運動目標檢測和提取方面，研究了目前最常用、最典型的三種方法：對幀差法的具體流程和步驟進行了詳細的說明，并采用最大類間方差法來選取分割閾

3、值；在背景減法中，簡單介紹了以像素灰度歸類算法、Surendra算法和均值方法來構造出背景圖像；最后介紹了自適應背景模型法來檢測、提取前景區(qū)域，詳細描述了單高斯模型和高斯混合模型以及模型中參數的更新策略，通過判斷像素點顏色值是否滿足高斯模型來確定出運動區(qū)域。在目標跟蹤方面，首先介紹了mean shift算法的基本原理，但是傳統(tǒng)的mean-shift算法需要人工標定目標區(qū)域，本文改進的mean shift算法將目標檢測提取的結果傳送到作為