視頻中運動物體的檢測與跟蹤.pdf

1、近年來，數字圖像處理和計算機視覺發(fā)展十分迅速，目前正廣泛地應用于軍用和民用等各個領域，例如重要場所的安全監(jiān)控、工業(yè)生產過程動態(tài)監(jiān)視，動態(tài)機器人視覺等等，它是智能機器獲取外部信息和理解世界的重要途徑。運動檢測與目標跟蹤是計算機視覺中兩個最重要的應用，所以具有很大的現實意義和實際價值，這也是本文的研究內容。 本論文的選題是山東省計算中心的一個內部課題：智能視頻監(jiān)控。其目的是設計出能適用于多種復雜場景，能排除干擾，具備實時和自適應能力

2、的運動物體的檢測與跟蹤算法，為智能視頻監(jiān)控中更復雜的其他工作提供有效的依據，從而提高智能監(jiān)控的自動化、現代化水平。 本文的主要工作內容如下： ①對于運動檢測，本文首先提出了一種仿單高斯建模的單幀閾值選取算法，這是一種比較適合室內等運動背景比較簡單的視頻場景的閾值選取算法，使用簡單快速，而且可以完整的提取運動物體的特征點。在此基礎上針對背景復雜的視頻序列，我們又提出了一種綜合閾值選取算法，此算法可有效地彌補時間差分法自身無

3、法克服的空洞現象，提取完整的目標特征，同時，從根本上抑止了背景干擾，對背景簡單和復雜的環(huán)境適用力都很理想，實現準確實時的目標檢測，提高了目標檢測的魯棒性。 ②對于運動檢測后期的區(qū)域合并工作，本文提出了一種最短距離區(qū)域合并算法，用于結合被分離的運動目標的區(qū)域?，F在通常的算法是用兩個相鄰區(qū)域中心點的距離是否滿足閾值的要求來判斷這兩個區(qū)域是否屬于同一個運動前景目標，而本文采用計算相鄰區(qū)域間的最短距離對兩個運動區(qū)域之間的關系進行更準確細

4、微的定位，從而提高運動檢測的正確率。 ③對于運動跟蹤，本文提出了一種改進的Camshift跟蹤算法。針對Camshift自身存在的問題，從準確預測目標位置及縮小目標搜索范圍入手對Camshift算法進行了改進，該算法使用運動目標加速度運動位移方程預測下一時刻目標可能出現的位置，使用預測位置誤差方程估計運動目標搜索范圍，并使用IIR濾波器對目標運動速度、加速度等參數自適應地修正。實驗證明，改進的Camshift有效地克服了Cams