視頻圖象運(yùn)動目標(biāo)檢測與跟蹤方法研究.pdf_第1頁
已閱讀1頁,還剩56頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、視頻序列中的運(yùn)動目標(biāo)檢測與跟蹤是一項(xiàng)涉及視頻圖像處理、計(jì)算機(jī)視覺、模式識別以及人工智能等多個領(lǐng)域的研究課題,由于其在商業(yè)和軍事領(lǐng)域中存在廣泛的應(yīng)用價(jià)值,近年來一直是人們研究的重點(diǎn)。然而,因?yàn)橐曨l圖像本身存在固有的復(fù)雜性,所以要提出一種穩(wěn)健而又準(zhǔn)確的算法仍然是一個極具挑戰(zhàn)的工作。
   本文主要針對靜態(tài)場景情況下的運(yùn)動目標(biāo)檢測和跟蹤技術(shù)進(jìn)行研究。在目標(biāo)檢測方面,首先對目前主要的方法進(jìn)行了歸納和總結(jié),分析了各自的優(yōu)缺點(diǎn);然后對基于背

2、景高斯模型的目標(biāo)檢測算法進(jìn)行了比較詳細(xì)的分析和論述,并對其中的一些算法進(jìn)行了改進(jìn):本文中對均值和方差采用不同的更新率,給出了一種用模型的匹配次數(shù)確定方差更新系數(shù)的算法,解決了傳統(tǒng)算法中方差收斂緩慢的問題,增加了模型的穩(wěn)定性和對環(huán)境的適應(yīng)性。由于傳統(tǒng)基于混合高斯模型的檢測算法僅僅對圖像中的每個像素點(diǎn)建模,而忽略了鄰域像素之間的相關(guān)性,目標(biāo)檢測的準(zhǔn)確度不高。因此,本文提出了一種基于空間鄰域相關(guān)性的目標(biāo)檢測算法,該算法通過重新定義馬爾科夫隨機(jī)

3、場的勢能函數(shù),融入了空間鄰域的相關(guān)性信息,并由此獲得了用于運(yùn)動目標(biāo)檢測的自適應(yīng)閾值。實(shí)驗(yàn)結(jié)果表明,所提出的方法對復(fù)雜的場景有較好的適應(yīng)性,能夠得到比較準(zhǔn)確的檢測結(jié)果。
   在運(yùn)動目標(biāo)跟蹤方面,為了提高算法的實(shí)時性,本文采用了基于卡爾曼濾波器的運(yùn)動目標(biāo)跟蹤算法,首先用卡爾曼濾波器預(yù)測目標(biāo)的大致區(qū)域,然后在預(yù)測區(qū)域內(nèi)進(jìn)行目標(biāo)匹配。為了適應(yīng)多目標(biāo)的情況,采用了連通域標(biāo)記的方法來提取目標(biāo)特征,建立目標(biāo)特征鏈表。并采用匹配矩陣的概念,將

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論