視頻目標檢測及匹配方法研究.pdf

1、隨著計算機和數(shù)字圖像處理技術的迅速發(fā)展，基于計算機視覺的智能監(jiān)控已逐漸應用到公共安全、智能交通、軍事、工業(yè)檢測等領域，而視頻中的運動目標檢測與跟蹤是智能監(jiān)控研究中最關鍵的問題之一。通過利用計算機視覺技術對視頻進行處理，讓計算機真正擁有“看”的本領一直以來都是計算機視覺的目標。本文研究了計算機視覺中的單應矩陣估計問題及運動目標檢測與跟蹤，主要的工作有:
　　1、如何準確估計單應矩陣仍然是計算機視覺中一個具有挑戰(zhàn)性的問題。到目前為止，

2、單應矩陣的估計幾乎是在RANSAC框架下進行。而本文給出了一種基于四邊形四個點順序保持約束及相似性測量方法的單應矩陣估計方法。該方法無需在方法RANSAC框架下進行，它不需要重復地估計單應矩陣，并且耗時較少。仿真實驗分析了外點比例和噪聲水平對單應矩陣估計精度的影響，真實圖像實驗比較了該方法和其他方法的單應矩陣估計效果。
　　2、針對傳統(tǒng)TLD(Tracking-Learning-Detection)算法消耗時間多，跟蹤速度慢，運動

3、目標移動速度快而跟蹤不上等問題，本文改進了TLD算法中的跟蹤模塊和檢測模塊。該改進方法根據(jù)運動的連續(xù)性，讓跟蹤和檢測都在上一幀跟蹤目標的鄰域進行，并在檢測模塊中引入HOG特征檢測和SVM分類器。并且為了進一步加快算法的運行速度達到實時效果，使用了多核并行編程技術。針對真實足球比賽視頻中的足球和運動員，實驗中分別驗證了改進TLD算法克服遮擋能力和克服目標消失后再次出現(xiàn)重新跟蹤的能力以及跟蹤快速移動目標的能力。結果表明該改進算法的跟蹤正確率