復(fù)雜背景下運(yùn)動(dòng)目標(biāo)識(shí)別算法研究.pdf

1、圖像序列中的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是數(shù)字圖像處理和模式識(shí)別以及計(jì)算機(jī)視覺(jué)領(lǐng)域研究的主要內(nèi)容之一。在機(jī)器人導(dǎo)航、安全監(jiān)控系統(tǒng)、醫(yī)學(xué)圖像分析和虛擬現(xiàn)實(shí)等領(lǐng)域都有廣泛的應(yīng)用。對(duì)于目標(biāo)跟蹤系統(tǒng)，其核心主要包括兩個(gè)部分：一是運(yùn)動(dòng)目標(biāo)的檢測(cè)與提??；二是運(yùn)動(dòng)目標(biāo)的跟蹤。本文對(duì)復(fù)雜背景下行人運(yùn)動(dòng)目標(biāo)的檢測(cè)、提取和跟蹤等問(wèn)題進(jìn)行了研究。 ⑴在目標(biāo)檢測(cè)問(wèn)題上，著重對(duì)基于復(fù)雜背景的檢測(cè)方法進(jìn)行了研究分析，討論了背景的初始化及背景模型的建立和更新的各類方法

2、原理。改善了原有的IIR濾波背景更新算法，提出了一種基于檢驗(yàn)假設(shè)的背景更新系數(shù)獲得方法，可以針對(duì)不同序列自適應(yīng)地進(jìn)行背景更新。實(shí)驗(yàn)表明，綜合考慮方法的有效性和算法的復(fù)雜程度，該方法具有實(shí)際可行性；利用該方法進(jìn)行的目標(biāo)檢測(cè)結(jié)果可為下面的提取提供較為理想的背景差分結(jié)果。 ⑵在運(yùn)動(dòng)目標(biāo)提取問(wèn)題上，為了從前景點(diǎn)中將行人目標(biāo)完整分割提取出來(lái)，獲得各種用于目標(biāo)跟蹤的特征描述，本文在對(duì)差分圖像進(jìn)行閾值分割的基礎(chǔ)上，結(jié)合形態(tài)學(xué)濾波及連通性檢測(cè)方

3、法去除前景噪聲及區(qū)域內(nèi)空洞。并在獲得完整目標(biāo)區(qū)域后，為后續(xù)的目標(biāo)跟蹤建立特征向量。通過(guò)實(shí)驗(yàn)驗(yàn)證算法可以有效地從差分圖像中較為完整提取目標(biāo)，算法具有較好的實(shí)時(shí)性。 ⑶在分析了Camshift算法和Meanshift算法的基礎(chǔ)上，通過(guò)Bhattacharyya系數(shù)來(lái)判斷運(yùn)動(dòng)物體的遮擋情況，進(jìn)而選擇Kalman或者粒子濾波算法對(duì)遮擋情況下的運(yùn)動(dòng)物體進(jìn)行跟蹤，并給出仿真結(jié)果及分析，在一定程度上驗(yàn)證了本文算法，兼顧了Camshift算法在