運(yùn)動目標(biāo)檢測和跟蹤的研究及應(yīng)用.pdf

1、運(yùn)動目標(biāo)檢測與跟蹤是計算機(jī)視覺研究的主要問題之一，它融合了圖像處理、模式識別、自動控制、人工智能以及計算機(jī)等許多領(lǐng)域的先進(jìn)技術(shù)，在軍事視覺制導(dǎo)、視頻監(jiān)控、醫(yī)療診斷、智能交通等方面都有廣泛應(yīng)用，因此本課題研究具有重要的理論意義和實(shí)際價值。 本文主要圍繞運(yùn)動目標(biāo)檢測和運(yùn)動目標(biāo)跟蹤兩個方面展開研究，并就運(yùn)動目標(biāo)檢測跟蹤在智能交通方面的應(yīng)用進(jìn)行了具體介紹。運(yùn)動目標(biāo)檢測方面，研究了靜態(tài)背景下常用的運(yùn)動目標(biāo)檢測算法。運(yùn)動目標(biāo)跟蹤方面主要研究

2、了常用的跟蹤方法和基于均值漂移的目標(biāo)跟蹤算法，并且針對其存在的問題提出了有效的改進(jìn)算法。本文結(jié)合運(yùn)動目標(biāo)檢測跟蹤在智能交通方面的應(yīng)用，給出了系統(tǒng)設(shè)計總體結(jié)構(gòu)，并利用VC++開發(fā)工具和OPENCV函數(shù)類庫，實(shí)現(xiàn)了基于Camshift算法的視頻圖像動態(tài)跟蹤，給出了程序代碼及實(shí)驗(yàn)結(jié)果。 靜態(tài)背景下的運(yùn)動目標(biāo)檢測方面，對運(yùn)動目標(biāo)檢測的技術(shù)作了較為系統(tǒng)的歸納總結(jié)，介紹了各種運(yùn)動目標(biāo)檢測方法，主要介紹了相鄰幀差法、光流法、背景消減法，分析比

3、較了各種方法的優(yōu)缺點(diǎn)，最后研究了陰影檢測與去除的方法。 運(yùn)動目標(biāo)跟蹤方面，介紹了運(yùn)動目標(biāo)跟蹤方法的分類及幾種常用跟蹤方法，并重點(diǎn)研究了顏色特征提取及形狀特征的提取。研究了均值漂移跟蹤算法，針對均值漂移算法在目標(biāo)跟蹤過程中沒有考慮目標(biāo)實(shí)際的宏觀運(yùn)動，在嚴(yán)重干擾情況下容易跟蹤失敗的問題，提出了結(jié)合目標(biāo)位置預(yù)測的改進(jìn)的均值漂移算法。算法對跟蹤過程中的干擾進(jìn)行檢測，根據(jù)目標(biāo)所受干擾的強(qiáng)弱，采用不同的比例因子將Kalman濾波預(yù)測結(jié)果與均

4、值漂移算法得到的跟蹤結(jié)果進(jìn)行線性組合，改進(jìn)算法有效利用了目標(biāo)的空間位置信息，提高了跟蹤的可靠性。在均值漂移算法基礎(chǔ)上，研究了連續(xù)自適應(yīng)均值漂移(CamShift)算法，該算法在跟蹤過程中能夠自適應(yīng)地調(diào)節(jié)跟蹤窗口的的大小，并給出了CamShift算法的搜索過程和實(shí)現(xiàn)步驟。 在智能交通的應(yīng)用方面，與傳統(tǒng)的車輛檢測器相比，基于視頻圖像處理與視覺技術(shù)的車輛檢測跟蹤具有處理速度快、安裝維護(hù)便捷且費(fèi)用較低、可監(jiān)視范圍廣、可獲取更多種類的交通