視頻序列中運動目標提取與跟蹤算法研究.pdf

1、本文主要研究靜止背景下運動目標的檢測和提取，運動目標的跟蹤，以及Snake跟蹤算法等方面的內(nèi)容。 在靜止背景下的目標檢測方面，本文介紹了幀間差法和背景差法兩種算法的基本原理；簡要介紹了幀間差分法及其特點；分析了單高斯背景模型方法的優(yōu)缺點，給出了改進方案并進行實驗分析；研究了利用混合高斯模型提取具有擾動的背景模型的方法，分析了混合高斯模型的優(yōu)缺點；根據(jù)單高斯模型和混合高斯模型的優(yōu)缺點，提出了自適應(yīng)多高斯模型背景模型算法；在消除光照

2、突變影響方面，介紹了用統(tǒng)計亮度變化點數(shù)來消除光照突變影響的算法。 在研究用相關(guān)方法進行運動目標跟蹤方面，本文主要介紹了幾種常用的匹配跟蹤算法：MCD、基于直方圖特征的特征匹配跟蹤算法、SSDA，以及將DCT變換引入相關(guān)匹配的算法。在跟蹤中引入了Kalman濾波器對匹配點進行預(yù)測，減小了匹配點的搜索范圍；引入了小波變換，先對圖像進行小波變換，取出一次小波變換后的低頻分量進行匹配，從而濾除了高頻噪聲，同時減少匹配的點數(shù)，提高了跟蹤的

3、速度和精度；給出了自適應(yīng)的模板更新機制，增加了對物體被遮擋和目標丟失的判斷；實驗了多種相關(guān)跟蹤算法，比較了各種算法的實時性和準確性。 在Snake跟蹤算法方面，介紹了傳統(tǒng)的Snake算法及其離散化實現(xiàn)，分析了算法的不足；比較了Greedy-Snake算法和GvF-Snake算法，確定了跟蹤中使用Greedy-Snake方法的合理性；給出了Snake算法應(yīng)用于目標跟蹤的實現(xiàn)方案，分析了實現(xiàn)跟蹤的難點，給出了一種實現(xiàn)初始輪廓提取的方