靜態(tài)場景下運動目標(biāo)檢測與跟蹤算法研究.pdf

1、運動目標(biāo)檢測與跟蹤是計算機視覺的核心課題之一，它融合了圖像處理、模式識別、人工智能、自動控制等相關(guān)領(lǐng)域的研究成果，在視頻監(jiān)控、機器人 導(dǎo)航、視頻傳輸、視頻檢索、醫(yī)學(xué)圖像分析、氣象分析等許多領(lǐng)域有著廣泛的 應(yīng)用，因此本課題具有重要的理論意義和廣闊的實用價值。 針對不同的監(jiān)視場景，運動目標(biāo)檢測和跟蹤算法也不盡相同。本文主要研究了在靜態(tài)場景下運動目標(biāo)的檢測算法、運動目標(biāo)的模板相關(guān)匹配算法和基于Hausdorff距離的模板匹配跟蹤算

2、法。本文的創(chuàng)新點和主要工作如下： l.研究了運動目標(biāo)檢測算法。針對視頻監(jiān)控系統(tǒng)大多數(shù)應(yīng)用于靜態(tài)場景這一特點，提出了在運動區(qū)域內(nèi)結(jié)合使用對稱差分法和背景差分法檢測運動目標(biāo)的算法。該方法首先根據(jù)對稱差分圖像確定運動目標(biāo)的運動區(qū)域，然后在確定的運動區(qū)域內(nèi)對背景差分圖像和對稱差分圖像取“或”運算。實驗證明，這種算法減少了背景差分圖像中的噪聲對運動目標(biāo)提取結(jié)果的影響。 2．研究了基于金字塔的模板相關(guān)匹配算法。針對模板相關(guān)匹配算法的

3、計算量大，不能滿足實時跟蹤的缺點，本文采用基于金字塔的模板相關(guān)匹配算法。這種匹配算法分為“粗匹配”和“精匹配”兩個階段，在“粗匹配”階段去掉了許多與目標(biāo)無關(guān)的位置，因此大大加快了匹配速度。 3．提出“優(yōu)勢點揀選法”。當(dāng)模板和圖像中邊緣點較多時，基于Hausdorff距離的模板匹配跟蹤算法計算量較大，因此本文根據(jù)Hausdorff距離的基本性質(zhì)，提出了“優(yōu)勢點揀選法”。在這種方法中，首先根據(jù)Hausdorff距離的距離閾值選出優(yōu)勢