視頻序列中運(yùn)動目標(biāo)檢測與跟蹤技術(shù)的研究.pdf

1、在現(xiàn)實(shí)生活中,運(yùn)動目標(biāo)的檢測與跟蹤在智能人機(jī)交互、醫(yī)療診斷、智能機(jī)器人、視頻監(jiān)控和軍事等領(lǐng)域得到了廣泛的應(yīng)用。但該技術(shù)在實(shí)際應(yīng)用中仍存在許多難點(diǎn)問題:應(yīng)用場景的復(fù)雜多變、多目標(biāo)跟蹤等。針對這些問題,本文借鑒國內(nèi)外學(xué)者對這些問題的解決方法,對檢測與跟蹤的主要環(huán)節(jié)加以改進(jìn),并設(shè)計(jì)相應(yīng)的原型系統(tǒng)。
　　 本文的主要工作包括:
　　 (1)在目標(biāo)檢測方面,對常用目標(biāo)檢測方法進(jìn)行了研究分析。針對大部分視頻的多噪聲點(diǎn)、低清晰度,降低

2、了幀間差分法檢測目標(biāo)的準(zhǔn)確性這一現(xiàn)狀,提出了一種將幀間差分法與視覺注意模型相結(jié)合的運(yùn)動目標(biāo)檢測方法。該方法首先利用幀問差分法獲取出目標(biāo)的大致輪廓,然后使用Itti視覺注意模型顯著圖算法得到目標(biāo)的顯著區(qū)域,再通過WTA競爭機(jī)制得到目標(biāo)的注意焦點(diǎn)并結(jié)合區(qū)域生長算法來檢測目標(biāo)的感興趣區(qū)域。實(shí)驗(yàn)表明,該方法在不丟失目標(biāo)重要特征的原則下,準(zhǔn)確的獲取到目標(biāo)感興趣區(qū)域,同時(shí)盡可能的去除了周圍環(huán)境區(qū)域的干擾,為后續(xù)跟蹤提高了性能。
　　 (2)

3、在目標(biāo)跟蹤方面,首先對目標(biāo)跟蹤理論進(jìn)行了研究分析,并對粒子濾波算法進(jìn)行了深入的研究。針對粒子濾波在多目標(biāo)視頻跟蹤下不能持續(xù)維持目標(biāo)的多模態(tài)分布即對多目標(biāo).足艮蹤的不足,本文提出了一種改進(jìn)的混合粒子濾波算法。該算法首先用k-means算法對粒子進(jìn)行空間分布聚類,給各粒子群附加身份標(biāo)簽,不僅提高了目標(biāo)狀態(tài)估計(jì)的準(zhǔn)確性,同時(shí)讓各粒子群分別對應(yīng)于混合粒子濾波的各分量,使相互獨(dú)立的各分量粒子濾波器跟蹤各個(gè)目標(biāo),從而能夠有效維持目標(biāo)的多模態(tài)分布。<

4、br>　　 (3)針對傳統(tǒng)多目標(biāo)跟蹤方法中復(fù)雜的數(shù)據(jù)關(guān)聯(lián)問題,則提出了基于隨機(jī)有限集(RFS)理論框架下的概率假設(shè)密度(PHD)濾波來有效地避免,并且本文通過混合粒子對PHD濾波加以實(shí)現(xiàn),提出了一種基于混合粒子PHD濾波的多目標(biāo)視頻跟蹤方法。實(shí)驗(yàn)結(jié)果表明,該算法能夠有效處理新目標(biāo)出現(xiàn)、合并、分離等多目標(biāo)跟蹤問題。
　　 (4)采用OpenCV計(jì)算機(jī)視覺庫設(shè)計(jì)并實(shí)現(xiàn)了運(yùn)動目標(biāo)檢測與跟蹤系統(tǒng)。該系統(tǒng)主要包括目標(biāo)檢測與目標(biāo)跟蹤兩大模