視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤相關(guān)算法研究.pdf

1、視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)學(xué)科的一個(gè)研究熱點(diǎn),其應(yīng)用遍布計(jì)算機(jī)視覺(jué)的多個(gè)領(lǐng)域,如視頻監(jiān)控、三維重建等。經(jīng)過(guò)眾多學(xué)者的努力,視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)和30年前相比,無(wú)論是實(shí)時(shí)性、準(zhǔn)確性和魯棒性都有了大幅度的提高。然而,由于現(xiàn)實(shí)世界的復(fù)雜性及人類知識(shí)的局限性,目前視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)還存在諸多難點(diǎn)。本文深入研究了視覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤已有的相關(guān)算法,并在此基礎(chǔ)上做了新的嘗試。本文主要做了以下工作:
　　1、深入研究了視

2、覺(jué)運(yùn)動(dòng)目標(biāo)檢測(cè)的一些經(jīng)典算法(高斯、混合高斯、核密度估計(jì)、Codebook、ViBe和LBP),從理論和實(shí)驗(yàn)方面探討了這些算法各自的優(yōu)缺點(diǎn)。其次,從組合優(yōu)化理論的角度深入分析了近些年提出的幾種比較有代表性的多目標(biāo)跟蹤算法(基于線性規(guī)劃、基于 k最短路徑和基于廣義最小團(tuán)圖),然后以實(shí)驗(yàn)分析了這些算法的可行性。
　　2、采用尺度不變局部三值模式(Scale Invariant Local Ternary Pattern, SILTP)

3、紋理特征并結(jié)合VIBE(VIsual Background Extractor)算法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。算法采用視頻的第一幀來(lái)構(gòu)建背景模型,在考慮像素時(shí)間和空間相關(guān)性的基礎(chǔ)上,綜合采用選擇性更新和盲目更新,并采用隨機(jī)替代的方式來(lái)更新背景模型,最后根據(jù)SILTP紋理特征的相似性判別方式來(lái)區(qū)分前景和背景,定性和定量的實(shí)驗(yàn)分析表明,該算法具有較好的檢測(cè)效果,實(shí)時(shí)性和準(zhǔn)確性相對(duì)以往算法都有較大的提高。
　　3、一種分層關(guān)聯(lián)的多目標(biāo)跟蹤算法。