基于運動平臺的多目標檢測與跟蹤.pdf

1、對于大多數(shù)擁有視覺的生物體來說，運動感知是一項最原始與最基本的視覺功能。這是因為運動感知對于生存的重要作用，具有運動感知能力可以提高生物體在運動時的處境感知能力。同時，運動信息還可以觸發(fā)視覺注意，因為對于生物體來說，運動目標可能是需要回避的天敵或是送上門的美餐。鑒于運動感知在許多視覺系統(tǒng)中的重要作用，構造具有生物體那樣高度發(fā)達的運動感知能力的人造系統(tǒng)多年來都是科學家們的夢想。 近年來，由于各國安全意識的增強，國際國內對自主監(jiān)控系

2、統(tǒng)的需求增加，運動目標檢測與跟蹤更是得到了科學家們的廣泛關注。本文主要針對航空智能視頻監(jiān)控系統(tǒng)中的獨立運動目標檢測與跟蹤部分展開研究。對于獨立運動目標檢測，首先估算由于攝像機引起的全局運動；在補償?shù)羧诌\動之后，獨立運動目標檢測轉變?yōu)殪o背景下的運動目標檢測，綜合運用顯著性目標提取和分割方法檢測獨立運動目標；對于獨立運動目標跟蹤，可以認為是一種模板匹配算法，通過選擇合適的特征，然后對這些特征建模，再利用匹配跟蹤。論文主要完成的工作和貢獻有

3、： 研究了基于魯棒統(tǒng)計的全局運動估算方法?？紤]到全局運動估算在整個運動目標檢測與跟蹤中的重要作用，以及實時性與準確性要求，采用了基于特，怔點跟蹤方法。對于從跟蹤到的特征點中恢復全局運動參數(shù)是一個參數(shù)估計問題，提出了一種基于特征點跟蹤的魯棒全局運動估算方法。試驗表明：對于利用特征點跟蹤方法跟蹤一系列特征點，再利用基于魯棒統(tǒng)計的兩步法估計運動參數(shù)的方法不但計算速度快，算法簡單，而且精度高，非常適用于視頻監(jiān)控的全局運動估計。

4、研究了獨立運動目標檢測與分割。對于經過全局運動補償后所得剩余運動中的獨立運動目標的檢測與分割，針對簡單差分閾值法的不足，利用法向光流與時間積分方法來改善獨立運動目標檢測的效果。對于多目標檢測與分割，提出了基于標記分水嶺算法的連接物體分割與基于屬性形態(tài)學的連接物體分割方法；對于基于沉浸模擬的獨立運動目標檢測與分割方法，提出了利用自適應閾值方法來確定沉浸模擬的深度，并通過刪除已被融合的局部顯著點的形態(tài)屬性來更好地檢測與分割獨立運動目標。

5、 對目標跟蹤算法進行了綜述，然后重點研究了均值平移跟蹤算法。跟蹤算法的選擇可以歸結于選取目標形狀表示、特征選擇與對于特征的建模。在均值平移跟蹤算法框架下，研究了經典的均值平移跟蹤算法各模塊的不足，并分別予以完善：提出了利用前面所得全局運動參數(shù)來初始化目標初始位置的方法，從而使得算法在大背景運動下也能跟蹤目標；并利用相似性系數(shù)來判定目標是否發(fā)生遮擋，從而可以為上層處理做準備。最后通過數(shù)字仿真與主動視覺半物理仿真來驗證了算法的有效性。