資源描述：
《視頻中運動目標(biāo)檢測與跟蹤算法的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、摘要視頻中運動目標(biāo)的檢測與跟蹤技術(shù)是計算機視覺的重要研究內(nèi)容之一，它將圖像處理、模式識別、自動控制、人工智能等許多計算機領(lǐng)域的先進技術(shù)結(jié)合在一起，并廣泛應(yīng)用于智能監(jiān)控、交通管制、機器智能、醫(yī)療診斷等各個領(lǐng)域。隨著各種復(fù)雜環(huán)境應(yīng)用需求的口益增多，如何提高運動目標(biāo)檢測與跟蹤算法的魯棒性和精確度已經(jīng)成為當(dāng)前目標(biāo)跟蹤領(lǐng)域研究的重點。本文在研究了常用的運動目標(biāo)檢測與跟蹤算法的基礎(chǔ)上，對這些算法做了進一步的改進和完善。在運動目標(biāo)檢測方面，介紹了光流法、幀間差分法和背景差分法的基本原理。為了克服傳統(tǒng)的背景差分法需要預(yù)先存儲背景圖像的局限性，提出了一種結(jié)合幀間差分法和背景差
2、分法的運動目標(biāo)檢測方法。首先利用幀間差分法和屮值濾波法動態(tài)地構(gòu)建背景模型，再通過背景差分法檢測出前景目標(biāo)。實驗結(jié)果表明，該方法在場景中存在運動目標(biāo)時也能建立較為準(zhǔn)確的背景模型，獲得了較好的檢測結(jié)果。在運動目標(biāo)跟蹤方面，本文首先重點研究了基于Camshift算法的運動目標(biāo)跟蹤。詳細(xì)闡述了MeanShift與Camshift算法的基本原理，并將這兩種算法應(yīng)用于視頻序列中的人體跟蹤。通過實驗發(fā)現(xiàn)，當(dāng)跟蹤目標(biāo)與背景顏色相近時，Camshift算法容易受到背景特征的干擾而導(dǎo)致跟蹤不穩(wěn)定甚至丟失目標(biāo)。針對此問題，本文利用局部二值模式(LBP)紋理與Cb、Cr顏色分量，建
3、立了跟蹤目標(biāo)的顏色?紋理聯(lián)合直方圖模型，提出了一種基于顏色■紋理聯(lián)合特征的Camshift跟蹤算法。對比實驗結(jié)果表明，在強背景干擾下，改進后的算法依然能夠準(zhǔn)確地跟蹤目標(biāo)，跟蹤性能比傳統(tǒng)的Camshift算法有明顯提高。本文還研究了基于運動估計的卡爾曼濾波跟蹤算法，并將其應(yīng)用于視頻中的運動目標(biāo)跟蹤，取得了較好的跟蹤結(jié)果。然后針對快速運動目標(biāo)的跟蹤問題，研究了將卡爾曼濾波與Camshift算法相結(jié)合的目標(biāo)跟蹤算法。實驗結(jié)果表明兩者結(jié)合的算法既縮短了搜索匹配的時間，又提高了跟蹤精度。關(guān)鍵詞：背景建模，目標(biāo)跟蹤，連續(xù)自適應(yīng)均值偏移(Camshift),局部二值模式(
4、LBP),卡爾曼濾波器AbstractMovingobjectdetectionandtrackingtechnologyinvideosequencesisoneoftheimportantresearchtopicsincomputervision?Itcombinesimageprocessing,patternrecognition,automaticcontrol,artificialintelligenceandmanyotheradvancedtechnologiesincomputerfield,andhasbeenwidelyusedini
5、ntelligentmonitoring,trafficcontrol,machineintelligence,medicaldiagnosisandotherfields.Withapplicationrequirementsincomplexenvironmentincreasingdaybyday,howtoimprovetherobustnessandaccuracyoftheseobjectdetectionandtrackingalgorithmshasbecomethecuirentfocusofthestudy.Thispaperfocuse
6、sontheresearchofthecommonlyusedtargetdetectionandtrackingalgorithms,anddoessomeimprovementstothesealgorithms.Inmovingobjectdetection,thispaperfirstintroducesthebasictheoryofopticalflow,temporaldifferenceandbackgroundsubtraction.Inordertoovercomethelimitationsofthetraditionalbackgro
7、undsubtractionmethodwhichrequiresapre-storedbackgroundimage,anewobjectdetectionmethodbasedonthecombinationoftemporaldifferenceandbackgroundsubtractionisproposed.Firstofall,temporaldifferenceandthemedianfiltermethodsareusedtodynamicallybuildthebackgroundmodel,thentheforegroundobject
8、isextractedbybackgroundsub
