運動目標檢測與跟蹤相關算法研究.pdf

1、運動目標檢測和跟蹤作為計算機視覺領域的關鍵技術之一，在軍事視覺制導、智能武器、導彈預警、智能安防、交通導航、視頻檢索、醫(yī)療診斷等許多領域都有廣泛的應用，但當前的運動目標檢測和跟蹤技術并不盡如人意，嚴重阻礙了其應用推廣，因此，運動目標檢測算法和跟蹤算法的研究具有很大的現(xiàn)實意義。 本文主要研究靜止背景下的運動目標的檢測算法和跟蹤算法。 在運動目標檢測部分，討論了經(jīng)典的目標檢測算法：差分法和光流法，并分析了它們的優(yōu)缺點。差分法

2、中的幀間差分法具有原理簡單，計算復雜度低，但是輪廓提取不是很準確；snake算法能夠提供較準確的目標輪廓，但是存在需要預先設定目標輪廓，運算量大的問題。論文在此基礎上提出的改進幀間差分法(對稱差分)首先標出目標的大致輪廓，然后通過snake算法的迭代運算計算出目標較為精確的輪廓，用于目標跟蹤，在snake算法迭代過程中，引入Douglas-Peucker(DP)算法在不降低snake算法準確性的同時降低其計算量。最后，通過實驗證明了該融

3、合算法具有很好的魯棒性和實時性，可以用于實時視頻檢測。 在運動目標的跟蹤部分，本文以目標追蹤算法中的經(jīng)典算法之一均值漂移算法為研究重點，該方法收斂比較快，能夠將目標的特征信息和空間信息有效地結合起來，避免了使用復雜模型描述目標的形狀、外觀及其運動，但是存在著運動目標與背景顏色相近，或物體嚴重遮擋時會丟失目標，在目標大小發(fā)生變化時也可能會造成跟蹤丟失。由此，論文提出了一種改進的均值漂移算法，將均值漂移算法和卡爾曼濾波相融合在一起，