監(jiān)控區(qū)域中多運動目標(biāo)的檢測與跟蹤技術(shù)研究.pdf

1、基于視頻的運動目標(biāo)檢測與跟蹤技術(shù)是智能交通系統(tǒng)中的基礎(chǔ)和重要技術(shù)之一，也是其研究的重點和難點。本文基于光照變化、各種運動陰影和遮擋存在等情況的復(fù)雜交通場景對多運動目標(biāo)進行研究，其主要內(nèi)容包括運動目標(biāo)檢測部分和跟蹤部分兩方面。
　　 運動目標(biāo)檢測部分包括彩色圖像灰度化、背景初始化、背景提取和更新、圖像分割、陰影消除等幾部分。彩色圖像灰度化是通過減色和顏色量化方法將真彩色圖像轉(zhuǎn)化為帶有調(diào)色板的非真彩色圖像，并對其進行灰度化。然后采用

2、多幀平均法初始化背景，并分析了常用的背景更新法。針對傳統(tǒng)的背景更新法中所獲得的背景受光照影響不準確，本文結(jié)合自適應(yīng)雙閾值和Surendra背景更新方法，研究了一種新的基于雙閾值的Surendra背景更新方法，即基于雙閾值的運動掩膜背景更新方法，能夠得到良好的背景，而且雙閾值能夠自適應(yīng)更新，更好地適應(yīng)光照變化。
　　 利用提取到的背景進行雙閾值背景差分，并結(jié)合數(shù)學(xué)形態(tài)學(xué)方法可以初步得到運動目標(biāo)。此時的前景目標(biāo)參雜了許多陰影。為了更

3、好地消除陰影，本文介紹了幾種常用的陰影消除方法，并分析了它們的局限性，在此基礎(chǔ)上研究了一種借助圖像邊緣信息消除車輛陰影的算法。該算法能夠消除大量陰影，更好地提取出感興趣目標(biāo)區(qū)域。
　　 選用卡爾曼技術(shù)預(yù)測跟蹤模型和多特征匹配相結(jié)合的算法研究運動目標(biāo)跟蹤。以目標(biāo)的面積和形狀為特征，并結(jié)合卡爾曼濾波技術(shù)預(yù)測跟蹤模型，減少搜索范圍，提高跟蹤匹配速度，實現(xiàn)穩(wěn)定跟蹤，也可提高遮擋情況下車輛的跟蹤效果。
　　 綜上，本文基于單目視覺