復雜場景的運動目標檢測與跟蹤算法研究.pdf

1、計算機視覺(Computer Vision)在軍事、醫(yī)療、安防、視頻監(jiān)控及人機交互等領域有著越來越廣泛的應用，導致計算機視覺技術越來越受到極大的重視。運動目標檢測與跟蹤是計算機視覺領域中的一個重要分支，它是絕大多數(shù)視頻處理的第一步，其研究不局限于某個特定領域，而是涉及到計算機視覺中從低層到高層的許多問題，其性能將直接影響后續(xù)處理效果。
　　 在運動目標檢測方面:本文首先介紹了目前運動目標檢測技術的三大方法:幀間差分法、背景差分法

2、和光流法;幀間差分法只需要兩幀或三幀間相減，實現(xiàn)起來比較簡單，但檢測到的目標會出現(xiàn)空洞現(xiàn)象;背景差分法需要構建背景模型，一般背景模型建立較難;光流法需要計算大量的光流場，算法的實時性很難保證。于是，引入了檢測精度高、處理速度快的Vibe算法，但它容易產生Ghost Area。通過理論和實驗結果分析，找出了Vibe算法缺點的原因，提出了能快速消除Ghost Area的連續(xù)N幀為前景點需重采樣的改進Vibe算法。
　　 在運動目標跟

3、蹤方面:重點研究目前在實際應用中比較成熟的Mean Shift算法和它的改進算法Camshift算法，并結合第二章中的改進Vibe算法，提出了一種融合前景檢測的改進Camshift算法，用來解決跟蹤目標區(qū)域容易定位在顏色相似的背景上，且能更快速、更精確的跟蹤目標。最后，探討了能解決非線性非高斯模型的粒子濾波算法，實驗證明它能非常好的跟蹤單個運動目標，且能滿足實時性。但當目標的顏色與背景顏色存在相似時，目標跟蹤的區(qū)域會死鎖在背景區(qū)域上，因