基于分層結(jié)構(gòu)的運動目標(biāo)檢測與跟蹤算法研究.pdf

1、視頻圖像處理是計算機科學(xué)領(lǐng)域的熱門研究方向之一，在人機交互、航空航天、交通監(jiān)控、醫(yī)學(xué)圖像分析等領(lǐng)域中有著舉足輕重的作用，因此它被認為頗具發(fā)展前景。經(jīng)過幾十年來眾多學(xué)者的不懈努力，該領(lǐng)域的技術(shù)有了長足的進步，但實踐表明仍存在一些尚未解決的問題。本論文針對靜止背景和擾動背景下的運動目標(biāo)檢測技術(shù)、目標(biāo)外形顯著變化場景和多目標(biāo)遮擋場景下的運動目標(biāo)跟蹤關(guān)鍵技術(shù)進行了研究。
　　本論文具體研究內(nèi)容如下:
　　針對靜止背景下的檢測結(jié)果存在

2、誤差較大和對光照敏感的問題，本文提出了一種基于YCbCr顏色空間碼本模型的檢測方法，并對此步驟處理結(jié)果進行了陰影去除、移除孤立點和開閉運算的后處理，有效解決了目標(biāo)陰影和空洞問題。
　　針對擾動背景下的目標(biāo)檢測噪聲較大和效率低的問題，本文對上述算法采用分層結(jié)構(gòu)構(gòu)成新的檢測算法。針對上述兩種情況下的檢測方法，本文均進行了仿真測試，并對重點參數(shù)進行了分析。實驗結(jié)果證明，本文提出的檢測算法具有較好的處理結(jié)果。
　　外形顯著變化場景下

3、的目標(biāo)跟蹤，經(jīng)常會遇到跟蹤丟失和誤差較大的問題。本文針對此，提出了一種包含兩層結(jié)構(gòu)的耦合模型建模目標(biāo)。另外，對該模型中的參數(shù)進行了詳細的分析。在此基礎(chǔ)上，選取最佳參數(shù)組合進行該方法的仿真測試。使用三個不同序列進行測試，驗證了該方法針對運動目標(biāo)尺寸、外形變化的跟蹤具有較小的失敗率和較高的準確率。
　　多目標(biāo)遮擋場景下的目標(biāo)跟蹤，經(jīng)常會出現(xiàn)不同目標(biāo)間的碰撞和遮擋問題。針對此，本文利用一種含低層跟蹤和高層跟蹤的分層結(jié)構(gòu)方法進行目標(biāo)跟蹤。