智能視頻監(jiān)控中運動目標檢測和跟蹤的研究及改進.pdf

1、智能視頻分析是計算機視覺的一個重要研究方向，具有重要的應(yīng)用價值。運動目標檢測和運動目標跟蹤是智能視頻分析的基礎(chǔ)，本文的主要研究內(nèi)容是運動目標檢測和運動目標跟蹤。
　　運動目標檢測算法的研究基礎(chǔ)是混合高斯背景建模，也是目前應(yīng)用和研究最為廣泛的運動目標檢測算法;其主要思想是:假設(shè)每個像素都會服從一個高斯分布，但是由于噪聲和運動目標影響，單個高斯分布不足以模擬單個像素在時間序列上的概率分布，所以混合高斯方法應(yīng)運而生。但是在實驗中發(fā)現(xiàn)，即

2、使用多個混合高斯分布也難以準確的為單個像素建立模型，例如出現(xiàn)快速自然光變化、小目標和淺影以及隨機擺動等問題;這些都是本文需要解決的問題。
　　通過文獻查閱和實驗數(shù)據(jù)分析，充分利用像素在時間和空間上的關(guān)聯(lián)性，對運動目標檢測中出現(xiàn)的以上問題做了改進，整個算法的魯棒性和精確性都得到了提高，從而可以提供更精確的運動目標給運動目標跟蹤系統(tǒng)。
　　運動目標跟蹤算法的研究基礎(chǔ)是基于Mean Shift的目標跟蹤算法，實驗發(fā)現(xiàn)，Mean S

3、hift算法不能有效快速跟蹤;通過理論分析和數(shù)據(jù)比較，Mean Shift算法在目標搜索時，其搜索窗口有一定限制，從而不能有效跟蹤快速運動目標?？柭鼮V波可以較好的預(yù)測目標位置，為此，在用Mean Shift算法進行跟蹤時，引入卡爾曼濾波進行預(yù)測，在預(yù)測時進行跟蹤，從而有效避免跟不上的情況。跟蹤效果得到了一定的改善。
　　論文首先介紹了智能視頻監(jiān)控系統(tǒng)的應(yīng)用場景和研究意義;其次，綜合描述了運動目標檢測和運動目標跟蹤算法;第三章出現(xiàn)