資源描述：
《基于視頻圖像的運動目標檢測與跟蹤技術(shù)研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、廣東工業(yè)大學碩士學位論文（工學碩士）基于視頻圖像的運動目標檢測與跟蹤技術(shù)研究覃興平二○一八年五月分類號：TP391.4學校代號：11845UDC：密級：學號：2111504130廣東工業(yè)大學碩士學位論文（工學碩士）基于視頻圖像的運動目標檢測與跟蹤技術(shù)研究覃興平指導教師姓名、職稱：劉治教授專業(yè)或領(lǐng)域名稱：控制科學與工程學生所屬學院：自動化學院論文答辯日期：2018年5月28日ADissertationSubmittedtoGuangdongUniversityofTechnologyfortheDegreeofMas
2、ter(MasterofEngineeringScience)ResearchonmovingtargetdetectionandtrackingtechnologybasedonvideoimageCandidate:QinXingpingSupervisor:Prof.LiuZhiJune2018SchoolofAutomationGuangdongUniversityofTechnologyGuangzhou,Guangdong,P.R.China,510006摘要摘要運動目標檢測與跟蹤是計算機視覺、圖像處理
3、和模式識別等相關(guān)領(lǐng)域的研究熱點，其核心是對視頻圖像序列進行有效的分析和處理。近年來，運動目標檢測與跟蹤技術(shù)得到了快速發(fā)展，相關(guān)理論取得進一步突破，且結(jié)合其它學科提出的新方法廣泛應(yīng)用于實際工程項目中。國內(nèi)外學者對運動目標檢測的研究已經(jīng)提高了視頻分析的智能化水平。然而，隨著視頻分析應(yīng)用領(lǐng)域的不斷擴大以及人們對海量數(shù)據(jù)分析智能性、準確性要求的不斷提高，運動目標檢測在面對越來越多復雜的實際應(yīng)用場景時仍有許多理論和技術(shù)上的關(guān)鍵問題有待進一步解決。本文深入研究了背景減法的ViBe算法。與傳統(tǒng)的方法不同，ViBe使用第一幀來構(gòu)建
4、背景模型，并隨機更新樣本。隨機策略保留了樣本指數(shù)衰減的平穩(wěn)周期。然而，使用第一幀來設(shè)置背景時，ViBe算法將在第一幀顯示時將其識別為前景。在很長一段時間內(nèi)，興趣區(qū)域不能淹沒在引起“鬼影”現(xiàn)象的背景中。此外，背景中不規(guī)則的閃爍像素也會干擾前景檢測結(jié)果，這不利于后續(xù)檢測。為了解決上述兩個問題，本文提出了一種基于ViBe的改進算法。利用幀間差分的實時特征，將ViBe算法所得結(jié)果的圖像和三幀差分的圖像結(jié)合起來，降低了“鬼影”的現(xiàn)象。隨后，采用自適應(yīng)閾值代替無變化閾值，這可以抑制光和抖動的影響。因此，檢測性能得到了提高。據(jù)了
5、解，目前各種跟蹤算法大致分為兩類:確定性算法和隨機算法。經(jīng)過多年的努力，針對各種跟蹤場景提出了豐富的跟蹤算法。由于跟蹤的復雜性和可變性，一些現(xiàn)有的跟蹤算法在長期有效的跟蹤中性能較差。因此，針對日益復雜的跟蹤場景，提出了許多創(chuàng)新的跟蹤方案。本文在借鑒前人文獻的基礎(chǔ)上，利用遺傳算法中的差分進化算法應(yīng)用于目標跟蹤，這是一種流行的遺傳算法。在本文中，為了更好地適應(yīng)目標跟蹤，改進了差分進化算法。具體而言，將兩個劣勢個體引入突變階段，這進一步豐富了群體的多樣性并加速了后代的進化。本文還進行了多次圖像預(yù)處理，并構(gòu)建了目標的自適應(yīng)
6、高斯混合模型來處理復雜的跟蹤場景。實驗結(jié)果表明，基于改進差分進化算法的跟蹤方法在幾種具有挑戰(zhàn)性的跟蹤場景中表現(xiàn)出更高的跟蹤精度和更快的跟蹤速度。關(guān)鍵詞：運動目標檢測與跟蹤，ViBe算法，幀間差分，差分進化算法，高斯混合模型I廣東工業(yè)大學碩士學位論文ABSTRACTThedetectionandtrackingofmovingobjectsisaresearchhotspotinrelatedfieldssuchascomputervision,imageprocessing,andpatternrecognitio
7、n.Itscoreistheeffectiveanalysisandprocessingofvideoimagesequences.Inrecentyears,thedetectionandtrackingtechnologyofmovingtargetshasbeenrapidlydeveloped,furtherbreakthroughshavebeenmadeinrelatedtheories,andnewmethodsproposedinconjunctionwithotherdisciplineshave
8、beenwidelyusedinpracticalengineeringprojects.Thestudyofmovingtargetdetectionbydomesticandforeignscholarshasincreasedthelevelofintelligenceinvideoanalytics.However,withthecontinuous
