目標(biāo)跟蹤與背景減除算法研究.pdf

1、計(jì)算機(jī)視覺在最近幾年中得到了很大的發(fā)展。然而計(jì)算機(jī)視覺領(lǐng)域仍有許多問題有待解決，其中背景減除與目標(biāo)跟蹤是目前研究者關(guān)注的焦點(diǎn)。背景減除和目標(biāo)跟蹤算法是視頻監(jiān)控、人機(jī)交互以及車輛導(dǎo)航等許多應(yīng)用的關(guān)鍵技術(shù)之一。近年來，人們已經(jīng)在背景減除和目標(biāo)跟蹤方面取得重要進(jìn)展，提出了許多重要的背景減除以及目標(biāo)跟蹤算法。然而，背景減除和目標(biāo)跟蹤是一個(gè)非常困難的問題，更加魯棒可靠的背景減除以及目標(biāo)跟蹤算法仍有待進(jìn)一步發(fā)掘。本文對常見的背景減除及目標(biāo)跟蹤算法進(jìn)

2、行了研究與改進(jìn)，提出了幾種新的背景減除與目標(biāo)跟蹤算法。
　　 在背景減除中，混合高斯模型是一種較常見的模型。由于標(biāo)準(zhǔn)的EM算法是離線算法，因此雖然EM算法可以較為準(zhǔn)確的估計(jì)GMM模型的參數(shù)，卻無法用于在線背景減除應(yīng)用中。為解決這個(gè)問題，本文提出了一種新的基于充分統(tǒng)計(jì)量的在線EM算法。實(shí)驗(yàn)結(jié)果表明這種算法可以高效準(zhǔn)確的估計(jì)出GMM模型的參數(shù)。
　　 K-Means算法屬于一種聚類算法，具有實(shí)現(xiàn)簡單，運(yùn)行效率高的特點(diǎn)。廣義K

3、-Means算法是對K-Means算法的擴(kuò)展，能夠估計(jì)出GMM模型中的所有參數(shù)。通過分析EM算法和K-Means算法之間的聯(lián)系，本文提出了一種基于充分統(tǒng)計(jì)量的在線K-Means算法。實(shí)驗(yàn)顯示這種算法的性能同基于Robbin-Monro近似的在線K-Means算法性能接近。
　　 本文基于以上算法對視頻進(jìn)行了背景減除實(shí)驗(yàn)，結(jié)果表明所提出的在線EM算法和在線K-Means算法都能夠可靠的檢測到運(yùn)動(dòng)目標(biāo)。為了對算法的性能進(jìn)行詳細(xì)的分析

4、和比較，本文采用一維及二維仿真數(shù)據(jù)對上述算法的性能進(jìn)行了實(shí)驗(yàn)對比。
　　 高斯粒子濾波是貝葉斯濾波的一種半?yún)?shù)化的實(shí)現(xiàn)，已經(jīng)被人們成功的用于目標(biāo)跟蹤中。本文提出了一種新的采樣算法。通過將高斯粒子濾波的采樣及預(yù)測步驟合并為一步，高斯粒子濾波的實(shí)現(xiàn)得到了簡化。本文證明當(dāng)系統(tǒng)的預(yù)測模型為線性時(shí)，新的采樣步驟同原采樣及預(yù)測步驟等價(jià)。當(dāng)系統(tǒng)的預(yù)測模型為非線性時(shí)，可以先通過一階泰勒展開對非線性模型線性化，然后再應(yīng)用本文的采樣方法。