運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法的研究及實(shí)現(xiàn).pdf

1、隨著科學(xué)技術(shù)水平的不斷發(fā)展,人們的生活水平不斷提高,人們的安全意識(shí)也越來(lái)越高,這使得視頻監(jiān)控技術(shù)得到了高速發(fā)展。視頻監(jiān)控系統(tǒng)大致可分為五個(gè)部分:視頻采集器、傳輸電纜、界面控制、畫(huà)面顯示器、信息存儲(chǔ)器,在界面控制這一部分,主要是對(duì)畫(huà)面中的運(yùn)動(dòng)目標(biāo)進(jìn)行分析,如檢測(cè)畫(huà)面中是否存在可疑目標(biāo)、對(duì)可疑目標(biāo)進(jìn)行跟蹤等。本文所研究的內(nèi)容主要是視頻監(jiān)控的界面控制部分中最為核心的算法部分—檢測(cè)運(yùn)動(dòng)物體和對(duì)對(duì)運(yùn)動(dòng)物體進(jìn)行跟蹤。對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法的研究已

2、經(jīng)進(jìn)行了幾十年,涌現(xiàn)出了大量的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤的算法,但是就目前應(yīng)用來(lái)看還沒(méi)達(dá)到一個(gè)成熟的階段,所提出的算法魯棒性還不夠強(qiáng),在不同的環(huán)境下還需要設(shè)計(jì)不同的核心算法。本文對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法進(jìn)行了深入研究,主要工作包括:
　　l、運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究。介紹了幾種常用的檢測(cè)運(yùn)動(dòng)物體的算法:幀間差分法,背景差分法,單高斯建模法,ViBE法(背景抽取法),對(duì)各個(gè)算法進(jìn)行了理論分析和實(shí)驗(yàn)分析。其中ViBE算法具有計(jì)算量小,實(shí)時(shí)性好,運(yùn)

3、算速度快等優(yōu)點(diǎn),應(yīng)用較為廣泛,但是當(dāng)運(yùn)動(dòng)目標(biāo)運(yùn)動(dòng)量不大時(shí),ViBE算法會(huì)產(chǎn)生漏檢問(wèn)題。本文提出一種結(jié)合單高斯模型的ViBE算法,利用單高斯模型的敏感性,彌補(bǔ)ViBE算法在檢測(cè)較小運(yùn)動(dòng)量的目標(biāo)時(shí)產(chǎn)生的漏檢的缺陷。改進(jìn)算法的基本思想是:首先利用單高斯模型對(duì)視頻圖像序列進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè),將檢測(cè)后的視頻序列圖像作為ViBE算法的輸入再次檢測(cè),由于單高斯模型具有運(yùn)算速度快、敏感性好等特點(diǎn),可以有效檢測(cè)出運(yùn)動(dòng)微小的運(yùn)動(dòng)目標(biāo),有效解決ViBE算法漏檢

4、的問(wèn)題,經(jīng)實(shí)驗(yàn)證明了改進(jìn)后的算法具有實(shí)時(shí)性好,檢測(cè)效率高,對(duì)自然環(huán)境變化(如光照、天氣變化等)有很好適應(yīng)性。
　　2、運(yùn)動(dòng)目標(biāo)跟蹤算法研究。分析了幾種跟蹤運(yùn)動(dòng)目標(biāo)的常用算法:基于濾波理論的Kalman算法,基于迭代搜索的MeanShift算法,基于顏色特征的CamShift算法。深入研究了自適應(yīng)窗口的MeanShift跟蹤算法—CamShift跟蹤算法和ABCshift算法。ABCshift算法針對(duì)CamShift算法容易受到類目

5、標(biāo)顏色背景干擾的缺陷進(jìn)行了改進(jìn),但是當(dāng)目標(biāo)被短暫嚴(yán)重遮擋時(shí)搜索框中的主模態(tài)發(fā)生改變,通常會(huì)導(dǎo)致跟蹤結(jié)果失敗等問(wèn)題,本文對(duì)此進(jìn)行了深入的研究并提出了改進(jìn)的方案。通過(guò)在ABCshift算法中引入Kalman濾波器來(lái)預(yù)測(cè)目標(biāo)在當(dāng)前幀中的位置,可以有效解決上述兩個(gè)問(wèn)題。改進(jìn)算法的基本思想是:在CAMShift算法的基礎(chǔ)上,通過(guò)對(duì)運(yùn)動(dòng)目標(biāo)的顏色直方圖做貝葉斯運(yùn)算,這樣可以降低運(yùn)動(dòng)目標(biāo)中與其他相似顏色的顏色概率密度,提高目標(biāo)中非類背景顏色的顏色概率

6、密度,解決了目標(biāo)受到相似顏色干擾時(shí)跟蹤結(jié)果不準(zhǔn)確的問(wèn)題,引入Kalman濾波器預(yù)測(cè)目標(biāo)在當(dāng)前幀中的位置,有效解決目標(biāo)被短暫遮擋時(shí)跟蹤失敗的問(wèn)題,將目標(biāo)的顏色信息和空間信息相結(jié)合。實(shí)驗(yàn)證明改進(jìn)后的算法能有效完成目標(biāo)跟蹤,很好的解決了目標(biāo)受到相似顏色干擾和目標(biāo)受到短暫遮擋時(shí)跟蹤失敗的問(wèn)題,具有很好的適應(yīng)性、實(shí)時(shí)性、魯棒性等特點(diǎn)。
　　3、開(kāi)發(fā)了運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤系統(tǒng)。在WindowsXP系統(tǒng)下運(yùn)用VS2008應(yīng)用程序開(kāi)發(fā)平臺(tái)搭載計(jì)算