目標(biāo)檢測(cè)與跟蹤高效視頻處理系統(tǒng)框架的設(shè)計(jì)和實(shí)現(xiàn).pdf

1、當(dāng)今目標(biāo)檢測(cè)與跟蹤視頻處理系統(tǒng)框架不斷要求增加功能提高實(shí)時(shí)性，而現(xiàn)有的系統(tǒng)框架在同時(shí)處理各種不同形狀大小的目標(biāo)時(shí)還存在不足，因此論文工作提出改進(jìn)的目標(biāo)檢測(cè)與跟蹤處理算法，可以應(yīng)用于多種類型不同的目標(biāo)并取得更高的處理精度和運(yùn)算速率，在此基礎(chǔ)上搭建比原有系統(tǒng)在軟件和硬件上更加緊密結(jié)合的高效系統(tǒng)框架。
　　論文主要工作是首先介紹目標(biāo)檢測(cè)與跟蹤視頻處理系統(tǒng)框架的發(fā)展現(xiàn)狀和面臨的問題，由于多種多樣不斷改進(jìn)的目標(biāo)檢測(cè)與跟蹤算法的陸續(xù)提出，對(duì)實(shí)

2、現(xiàn)算法的軟硬件的配合和平臺(tái)都有了更高的要求。接著在分析小波函數(shù)基本理論的基礎(chǔ)上，為了解決處理非局部(NL)-均值無法滿足實(shí)時(shí)性和缺少邊緣特征的問題，提出快速加權(quán)NL-均值曲波系數(shù)的自適應(yīng)閾值去噪算法，利用權(quán)重值上下閾值來限制在搜索窗口中的像素點(diǎn)，光滑分區(qū)合并兩個(gè)雙積分子帶，提出的算法有更好的去噪效果。然后針對(duì)攝像機(jī)運(yùn)動(dòng)、目標(biāo)大小形狀不同、相似目標(biāo)和相互遮擋以及檢測(cè)不到明確的背景模型等問題，提出Harris3D直方圖光流加權(quán)密度積分目標(biāo)估

3、計(jì)與P-N約束標(biāo)記關(guān)聯(lián)搜索的遮擋目標(biāo)檢測(cè)與跟蹤算法，利用以時(shí)間為中心的估計(jì)算法在非靜態(tài)背景中來進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)，結(jié)合搜索算法和P-N學(xué)習(xí)和結(jié)構(gòu)約束的目標(biāo)跟蹤算法，有效處理解決在目標(biāo)檢測(cè)與跟蹤視頻流中有遮擋情況下分割檢測(cè)目標(biāo)的問題，并通過密度積分算法來提高檢測(cè)效果。提出的算法成功地分割相似目標(biāo)和被遮擋目標(biāo)，在檢測(cè)方面得到更高的精度，跟蹤方面有更高的召回率和平均重疊率。
　　為了滿足系統(tǒng)框架處理不同形狀未知大小或被遮擋的目標(biāo)并達(dá)到實(shí)時(shí)