復(fù)雜場(chǎng)景下多運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究.pdf

1、智能視覺監(jiān)控是計(jì)算機(jī)視覺領(lǐng)域新興的研究方向，該方向融合了計(jì)算機(jī)應(yīng)用、模式識(shí)別、圖像處理、人工智能、數(shù)學(xué)等多門學(xué)科的關(guān)鍵技術(shù)，現(xiàn)已廣泛應(yīng)用于機(jī)器人導(dǎo)航、醫(yī)學(xué)圖像分析、智能交通、視頻監(jiān)控等領(lǐng)域。由于背景環(huán)境的復(fù)雜性、不同的光照條件、目標(biāo)復(fù)雜的形狀及運(yùn)動(dòng)方式、多目標(biāo)之間的相互遮擋等原因，目標(biāo)檢測(cè)與跟蹤仍然是計(jì)算機(jī)視覺領(lǐng)域應(yīng)用中最具挑戰(zhàn)性的任務(wù)之一。
　　本文在熟悉和掌握了相關(guān)圖像處理原理和技術(shù)的基礎(chǔ)上，對(duì)常用的目標(biāo)檢測(cè)和跟蹤方法進(jìn)行對(duì)比

2、分析，針對(duì)復(fù)雜場(chǎng)景下的多目標(biāo)檢測(cè)和跟蹤進(jìn)行了研究。本文主要做了如下的工作。
　　1、目標(biāo)檢測(cè)方面，針對(duì)光照突變、攝像機(jī)抖動(dòng)等復(fù)雜環(huán)境下的目標(biāo)檢測(cè)問題，借鑒像素點(diǎn)灰度值聚類的思想，提出了一種改進(jìn)的目標(biāo)檢測(cè)算法。該算法將像素點(diǎn)劃分為背景點(diǎn)和前景點(diǎn)兩類，使用聚類的方法并采取像素級(jí)收斂條件，對(duì)背景點(diǎn)和前景點(diǎn)分別建立背景、前景模型。背景模型的建立與更新，適應(yīng)場(chǎng)景發(fā)生的緩慢變化，使背景模型更接近真實(shí)場(chǎng)景，準(zhǔn)確檢測(cè)運(yùn)動(dòng)目標(biāo)：前景模型的建立與更新

3、，有利于在場(chǎng)景突變后穩(wěn)定的前景轉(zhuǎn)化成背景，快速建立背景模型。實(shí)驗(yàn)結(jié)果表明，本文提出的方法具有很好的魯棒性，能夠快速準(zhǔn)確地檢測(cè)出運(yùn)動(dòng)目標(biāo)。
　　2、目標(biāo)分割方面，利用一種簡(jiǎn)單有效的方法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行二值化；在形態(tài)學(xué)處理中，用統(tǒng)計(jì)滑動(dòng)框內(nèi)有效像素點(diǎn)的個(gè)數(shù)來代替膨脹、腐蝕中像素點(diǎn)與結(jié)構(gòu)元素的運(yùn)算過程，極大減少統(tǒng)計(jì)次數(shù)；在連通域分割處理中，提出等價(jià)鏈表的概念，用簡(jiǎn)單的替換工作完成兩輪掃描算法中的第二輪掃描。實(shí)驗(yàn)結(jié)果表明，改進(jìn)算法的執(zhí)行效率