視頻序列中運動目標的自動跟蹤與計數(shù).pdf

1、視頻序列中運動目標的自動跟蹤與計數(shù)是計算機視覺系統(tǒng)領域的重要研究內(nèi)容,其目的主要是應用圖像處理的方法檢測出視頻中感興趣的運動目標,并給出目標的確切位置,同時反饋給跟蹤系統(tǒng)進行跟蹤,并且統(tǒng)計出經(jīng)過某特定區(qū)域目標的數(shù)量。該方法具有智能性、靈活性、設備簡單等特點,因此具有較大的發(fā)展空間。
　　 視頻序列中運動目標的跟蹤與計數(shù)主要由:目標檢測、運動目標跟蹤和目標計數(shù)三部分組成；其中目標檢測是基礎,它直接影響到后續(xù)處理的準確性；運動目標的

2、跟蹤則要求具有準確度,能夠在部分遮擋時目標不丟失；而目標計數(shù)則主要是在視頻監(jiān)測時對某物體通過的數(shù)量進行統(tǒng)計,它同時要求具有準確性和實時性。
　　 本文介紹了幾種經(jīng)典的運動目標檢測和跟蹤算法,在目標檢測方面重點研究了光流法、幀間差分法和背景消減法,并對幀間差分法和背景消減法進行了仿真實驗,分析了它們的優(yōu)缺點。在目標跟蹤方面,介紹了相關法,Snake算法和最大連通區(qū)域與Kalman濾波預測相結合的算法,并對Snake算法和改進的GV

3、F-Snake算法進行了仿真。仿真實驗結果表明,傳統(tǒng)Snake算法對初始位置的選擇具有較高的要求,而且在凹陷的地方不能很好的收斂；GVF-Snake算法彌補了傳統(tǒng)Snake算法的不足,目標的跟蹤精確度更高,但是由于該算法是使用迭代得到目標的位置,時間消耗很大。鑒于此,本文中提出了基于最大連通域和Kalman濾波預測相結合的算法,最大連通區(qū)域能夠去除圖像中較大面積的噪聲,提高目標檢測的準確性；Kalman濾波預測算法對目標部分遮擋具有較好