智能監(jiān)控系統(tǒng)中運動檢測與跟蹤方法的研究.pdf

1、本文研究的主要內(nèi)容是智能監(jiān)控系統(tǒng)中的運動物體的檢測和跟蹤技術(shù)。智能監(jiān)控系統(tǒng)中運動物體的檢測(包含去陰影)與跟蹤是計算機視覺領(lǐng)域和數(shù)字圖像處理領(lǐng)域的重要研究課題之一，也是近年來備受研究者關(guān)注的前沿方向。本文針對運動目標的檢測和跟蹤技術(shù)進行了探索和研究，提出了新的方法，并通過實驗證明了新方法的有效性。主要研究包括以下幾個方面： 1．在幀差分的基礎(chǔ)上，提出了光流法和時間濾波相結(jié)合的運動檢測算法。該方法在假設(shè)目標在一定時間段內(nèi)運動一致的

2、條件下，能從復雜背景中實時檢測出運動區(qū)域。該算法魯棒性好，能在沒有背景，沒有任何包括物體大小、形狀等先驗知識的情況下結(jié)合梯度差分圖、光流計算和時間濾波器得到有效運動區(qū)域。 2．基于陰影區(qū)域的亮度值低于對應背景區(qū)域亮度值的原理去除陰影。首先將檢測結(jié)果分為高亮度部分和低亮度部分，其中高亮度部分完全由運動目標構(gòu)成，低亮度部分則是由運動目標的低亮度部分和陰影區(qū)域共同構(gòu)成；其次將對低亮度部分進行分類，采用多閾值分割的方法對陰影區(qū)域和目標的

3、低亮度部分進行分離；最后將目標的高亮度部分和低亮度部分融合，通過形態(tài)學去噪處理即可得到最終的檢測結(jié)果。實驗證明了該方法能實時地、有效地去除運動目標的影子。 3．基于粒子濾波對運動目標預測結(jié)果進行跟蹤。在運動目標的實時跟蹤中，基于Kalman濾波預測的方法是常用的有效方法，但因目標檢測時常將靠近的物體檢測成一個目標引起誤檢現(xiàn)象，這會使在目標匹配時產(chǎn)生錯誤。為此，提出了用粒子濾波預測取代Kalman預測的方法。實驗結(jié)果表明該方法能很