基于視頻的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究與應(yīng)用

《基于視頻的運(yùn)動(dòng)目標(biāo)檢測與跟蹤算法研究與應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、武漢科技大學(xué)碩士學(xué)位論文第1頁摘要本文研究的主要內(nèi)容是視頻監(jiān)控系統(tǒng)中的運(yùn)動(dòng)目標(biāo)檢測與跟蹤技術(shù)。近年來，智能視頻監(jiān)控系統(tǒng)的應(yīng)用已經(jīng)成為各國研究的熱點(diǎn)。運(yùn)動(dòng)目標(biāo)的檢測與跟蹤正是這項(xiàng)研究中最基本、最核心的問題，也是研究者目前備受關(guān)注的前沿方向之一。本文針對運(yùn)動(dòng)目標(biāo)的檢測與跟蹤技術(shù)進(jìn)行了探索與研究，提出了一些改進(jìn)的方法，并通過實(shí)驗(yàn)驗(yàn)證了這些方法的有效性。本文的研究主要包括以下幾個(gè)方面：1．根據(jù)目前運(yùn)動(dòng)目標(biāo)檢測多采用背景相減法的特點(diǎn)，使用了一種改進(jìn)的基于幀間差分的背景圖像重建方法。該方法簡單易行，用計(jì)算機(jī)實(shí)現(xiàn)起來也比較容易。它僅對背景像素區(qū)域進(jìn)行累加，在運(yùn)動(dòng)目標(biāo)出現(xiàn)的區(qū)域則用

2、圖像的平均灰度值代替，可以對前景中的運(yùn)動(dòng)目標(biāo)干擾起到抑制作用。實(shí)驗(yàn)證明，該方法能夠有效地獲得背景，解決了背景相減法中難以獲得背景的難題。2．考慮到初始建立的背景不是一成不變的，而是需要隨著環(huán)境的變化實(shí)時(shí)更新的。因此，本文提出了一種自適應(yīng)的背景實(shí)時(shí)更新算法。這種算法克服了傳統(tǒng)更新算法中更新速率完全憑借經(jīng)驗(yàn)取值并且不能自適應(yīng)調(diào)節(jié)的缺點(diǎn)。3．根據(jù)陰影的光學(xué)特性可知，陰影內(nèi)部的像素灰度低于背景區(qū)域。本文使用了一種改進(jìn)的陰影去除方法。即：先將當(dāng)前圖像與背景圖像相除，可以得到陰影的潛在區(qū)域，然后根據(jù)相除之后圖像的直方圖大致估算陰影區(qū)域，進(jìn)一步縮小潛在區(qū)域的范圍，最后使用梯度算子

3、檢測出真實(shí)的陰影區(qū)域。實(shí)驗(yàn)證明，該方法能夠有效地去除運(yùn)動(dòng)目標(biāo)的陰影。4．在運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)跟蹤中，基于Kalman濾波預(yù)測的方法是一種常用的有效方法。它對運(yùn)動(dòng)目標(biāo)進(jìn)行適當(dāng)?shù)仡A(yù)測，縮小了匹配搜索的區(qū)域，可提高跟蹤的實(shí)時(shí)性，并且它還可以較好地解決“遮擋問題"。因此，本文采用了基于Kalman預(yù)測的方法對運(yùn)動(dòng)目標(biāo)進(jìn)行跟蹤。實(shí)驗(yàn)證明，該方法能夠?qū)z測出的運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)跟蹤。關(guān)鍵詞：視頻監(jiān)控；目標(biāo)檢測；陰影檢測與去除；目標(biāo)跟蹤第1I頁武漢科技大學(xué)碩士學(xué)位論文AbstractThisthesiswasfocusedonthetechnologyoftargetsdetectin

4、gandtrackingofthesurveillancesystem．Inresentyears，theapplicationofintelligentsurveillancesystemwasbecomingoneofthemostimportantresearchtopicsinmanycountries．MovingtargetsdetectingandtrackingWaSconsidered嬲thebasicandthemostimportantprobleminthisresearch，itWasalsoanactivefieldthathadattr

5、actedmanyresearchers．Thispaperwasdosomeresearchesonmovingtargetsdetectingandtracking,andmadesomeprogressesofit．Somenewmethodswereputforwardinthisarticleandsomeexperimentsweredonetodemonstratethevalidity．Themaincontentsofthethesisincludedsuchaspects勰follows：1．MovingtargetsdetectionWasno

6、wbasedonthemethodsofbackgroundsubtraction,weproposedanimprovedmethodofbackgroundreconstruction，whichwasbasedonframedifference．ThismethodWasprovedtobeverysimple，anditcouldberealizedoncomputereasily．Asitonlyaddedthebackgroundpixel，whenitcametotheregionofmovingtargets，thepixelvaluewasrepl

7、acedbytheaveragevalueofthegrayimage，SOitcouldreducetheinterferenceofforeground．Experimentshowedthatthismethodcouldobtainbackgroundimageeffectively，SOthatitresolvedtheproblemwhichexistedinbackgroundsubtraction．2．Takingintoaccountthebackgroundwasnotstatic，buttheneedforreal—timeupdate．T