復(fù)雜環(huán)境中運(yùn)動目標(biāo)檢測與跟蹤算法研究.pdf

1、伴隨著不斷提高的現(xiàn)代生活需求，人們將越來越多的關(guān)注投入到信息技術(shù)的發(fā)展上來，尤其是智能視頻監(jiān)控的發(fā)展。在智能視頻監(jiān)控系統(tǒng)中，運(yùn)動目標(biāo)檢測與跟蹤技術(shù)是其根本和關(guān)鍵，是計(jì)算機(jī)視覺范疇里的熱門問題，其在國防軍事、醫(yī)學(xué)圖像以及社會安全等領(lǐng)域皆起著舉足輕重的作用。目前該技術(shù)取得了許多研究成果，但還是有不少不足需要去完善。本文的工作內(nèi)容為：
　　本文在運(yùn)動目標(biāo)檢測部分中主要研究了光流法、幀間差分法以及背景差分法，并針對傳統(tǒng)檢測算法在動態(tài)背景下

2、檢測效果不佳的情況，重點(diǎn)對基于互相關(guān)信息的動態(tài)背景目標(biāo)檢測算法進(jìn)行研究并提出相應(yīng)的改進(jìn)，首先對圖像進(jìn)行一次二維Mallat小波分解，利用Pso與Powell混合優(yōu)化搜索策略來尋找出最大互信息值，同時(shí)應(yīng)用空間轉(zhuǎn)換模型、PV插值完成圖像空間匹配，分別通過使用PV插值方法提高配準(zhǔn)精度和改進(jìn)三幀差分法避免檢測信息丟失、出現(xiàn)拖影現(xiàn)象來實(shí)現(xiàn)算法的優(yōu)化，最終證明該改進(jìn)算法能夠在動態(tài)背景下完成檢測。運(yùn)動目標(biāo)跟蹤領(lǐng)域上，本文分別對基于Mean Shift

3、算法的目標(biāo)跟蹤和Camshift算法的目標(biāo)跟蹤進(jìn)行研究，對于Mean Shift算法容易受背景像素影響和復(fù)雜情況下跟蹤失效的情況提出了相應(yīng)的改進(jìn)，一是通過背景加權(quán)建立目標(biāo)模型，二是在目標(biāo)被遮擋時(shí)根據(jù)遮擋判斷來結(jié)合Mean Shift算法和卡爾曼濾波器以達(dá)到跟蹤目標(biāo)的目的。針對運(yùn)動目標(biāo)在嚴(yán)重遮擋和完全遮擋下Mean Shift算法失效的情況，改進(jìn)了融合卡爾曼濾波器的Mean Shift算法，即利用卡爾曼濾波器預(yù)測運(yùn)動目標(biāo)狀態(tài)以獲得其可能位

4、置點(diǎn)，接著由預(yù)測的目標(biāo)位置開始Mean Shift迭代，同時(shí)根據(jù)Bhattacharyya系數(shù)來判斷遮擋是否發(fā)生，如果發(fā)生遮擋就利用卡爾曼濾波器進(jìn)行預(yù)測，跟蹤結(jié)果就是預(yù)測值，這樣在遮擋情況下能夠準(zhǔn)確跟蹤運(yùn)動目標(biāo)，而且目標(biāo)快速運(yùn)動時(shí)也能實(shí)現(xiàn)跟蹤目標(biāo)不丟失。為了進(jìn)一步提高目標(biāo)跟蹤的精度，采用卡爾曼自適應(yīng)因子作為遮擋判斷，動態(tài)調(diào)節(jié)卡爾曼濾波器參數(shù)，這樣就能夠準(zhǔn)確跟蹤到目標(biāo)。另外在背景干擾的條件下改進(jìn)基于背景加權(quán)的Mean Shift算法，即利