視頻序列中運動目標檢測及跟蹤技術(shù)研究.pdf

1、運動目標的檢測和跟蹤技術(shù)作為視頻圖像處理中的一個關(guān)鍵技術(shù)，在人機交互、交通安全、視頻監(jiān)控、軍事和公共安全管理等領(lǐng)域得到了廣泛的應(yīng)用。本文在對運動目標檢測和跟蹤算法研究的基礎(chǔ)上，提出了一些算法的改進方法，并通過實驗驗證了改進方法的有效性和穩(wěn)定性。本論文的主要工作如下：
　　首先，在運動目標檢測方面，通過對已有的檢測方法進行深入分析，并重點研究了基于碼書模型的運動目標檢測算法。碼書模型是一種基于運動信息的檢測方法，當目標的運動信息不足

2、時，可能會出現(xiàn)誤檢或局部檢測等問題。針對碼書模型存在的不足，通過聯(lián)合目標的空間整體信息，提出了一種基于碼書模型的自適應(yīng)背景更新算法，使其在處理緩慢移動目標和只有局部運動目標時減少誤判。該方法通過對運動目標空間信息變化進行分析，尋找前景中潛在背景，然后聯(lián)合像素時域統(tǒng)計信息，得到真正的背景模型。實驗結(jié)果表明，該算法可以快速適應(yīng)背景變化，提高碼書模型處理能力，能明顯減少對運動信息不足目標的誤判，同時保證目標檢測的完整性。
　　其次，在目

3、標跟蹤方面，本課題重點研究了基于卡爾曼濾波器和mean-shift的目標跟蹤算法。針對現(xiàn)有基于多特征融合的跟蹤算法在復(fù)雜環(huán)境下跟蹤準確度不高，且大部分采用單一判定方式來實現(xiàn)多特征融合的問題，提出了一種多準則判定的自適應(yīng)多特征融合方法。首先引入局部背景信息加強對目標的描述，然后在多特征融合過程中利用多種判定準則自適應(yīng)計算特征權(quán)值。最后，在均值漂移框架下，結(jié)合卡爾曼濾波完成對目標的跟蹤。在各種場景下的實驗結(jié)果比較表明：本文融合算法比單種判定