視頻序列中運動目標跟蹤算法的研究.pdf

1、運動目標的自動檢測和跟蹤是計算機視覺系統(tǒng)研究的重要內容之一，目前在這一領域已經提出了許多算法，取得了令人矚目的成就。本文著重對靜止背景下視頻序列中運動目標的檢測和跟蹤方法進行了分析和研究。
　　 本文首先討論了幾種經典的運動目標檢測和跟蹤算法，在目標檢測方面重點研究了光流法、幀間差分法和背景消減法，并對幀間差分法和背景消減法進行了仿真實驗，分析了它們的優(yōu)缺點。在目標跟蹤方面，基于不同的目標類型，研究了兩種不同的跟蹤算法；對于剛體

2、目標，重點研究了基于相關法的目標跟蹤算法，利用三步搜索算法和區(qū)域搜索算法對原方法進行了改進，提高了搜索效率。對于非剛體目標，本文采用灰度直方圖的方法對其進行處理，灰度直方圖能夠反應圖像中各灰度信息的概率分布，仿真實驗結果證明了該方法對非剛體目標取得了較好的處理效果。
　　 本文著重介紹了基于背景高斯建模和Kalman濾波預測相結合的跟蹤算法。首先對視頻圖像進行預處理，以去噪聲干擾，提高對比度，便于后續(xù)目標的檢測和跟蹤處理。通過為

3、靜止背景建立自適應的高斯背景模型來槍測運動目標。在實際視頻圖像中，背景往往會發(fā)生微小的變化，為了更好的適應這種情況，本文對算法進行了改進，加入了背景更新參數(shù)，可以根據(jù)實際視頻場景實時地更新背景；通過對實驗結果的分析，改進后的算法明顯減少了誤判率，提高了跟蹤準確度。提取出運動目標后，利用自適用閾值分割將前景像素和少部分背景像素分割出來，通過圖像二值化，利用馬爾科夫和形態(tài)學去噪相結合的方法來濾掉零散的背景像素點，最后得到了準確的運動目標模板