運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的熱門(mén)課題，也是智能視頻監(jiān)控系統(tǒng)中最基本、應(yīng)用最廣的智能分析技術(shù)，具有十分重要的理論意義和使用價(jià)值。論文主要研究了基于視頻序列的目標(biāo)檢測(cè)和跟蹤算法，并對(duì)常用的檢測(cè)與跟蹤算法做了進(jìn)一步的改進(jìn)與完善。
　　 在運(yùn)動(dòng)目標(biāo)檢測(cè)方面，本文使用背景減除法檢測(cè)運(yùn)動(dòng)目標(biāo)。背景提取和背景更新選擇的是速度較快的Surrender方法。為了解決建立背景過(guò)程中目標(biāo)檢測(cè)問(wèn)題，在背景提取期間，采用幀差法檢測(cè)目標(biāo)。在獲取背

2、景后，使用背景減除法檢測(cè)運(yùn)動(dòng)目標(biāo)，并采用Surrender算法進(jìn)行背景更新。
　　 在運(yùn)動(dòng)目標(biāo)跟蹤方面，本文深入研究了Mean Shift算法和Cam Shift跟蹤算法，并進(jìn)一步比較分析了兩種算法的優(yōu)點(diǎn)和局限性。對(duì)于一種能繼承Mean Shift算法的速度快和魯棒性強(qiáng)的特點(diǎn)，又能實(shí)現(xiàn)跟蹤窗的自適應(yīng)變化的算法研究是本論文的重點(diǎn)。其中，判斷跟蹤目標(biāo)的變化趨勢(shì)是解決此問(wèn)題的關(guān)鍵。為此，本文引入了活動(dòng)輪廓模型，利用Mean Shift

3、算法中的跟蹤窗作為活動(dòng)輪廓模型的輪廓初始化，既能解決活動(dòng)輪廓模型初始化的關(guān)鍵問(wèn)題，又能分割出正在跟蹤的目標(biāo)區(qū)域。本文在Mean Shift跟蹤算法中連續(xù)分割目標(biāo)區(qū)域，通過(guò)比較得到目標(biāo)區(qū)域的變化趨勢(shì)，進(jìn)而實(shí)現(xiàn)了跟蹤窗的自適應(yīng)變化。實(shí)驗(yàn)證明，基于活動(dòng)輪廓的Mean Shift核窗寬自適應(yīng)算法可以很好實(shí)現(xiàn)跟蹤窗隨目標(biāo)尺度的變化而相應(yīng)改變，這種變化既適合目標(biāo)變小的情景，也適合目標(biāo)增大超出跟蹤窗的情況，且較之Cam Shift跟蹤算法有很好的魯棒