復(fù)雜環(huán)境下的視頻目標(biāo)識別與跟蹤算法研究.pdf

1、密級桂林電子科技大學(xué)碩士學(xué)位論文題目復(fù)雜環(huán)境下的視頻目標(biāo)識別與跟蹤算法研究（英文）ResearchonVideoObjectRecognitionTrackingAlgithminComplexEnvironment研究生學(xué)號:122081829研究生姓名:陳炫指導(dǎo)教師姓名、職務(wù):顏學(xué)龍教授申請學(xué)位門類:工學(xué)碩士學(xué)科、專業(yè)名稱:測試計量技術(shù)及儀器提交論文日期:2015年4月論文答辯日期:2015年6月摘要I摘要在信息化的社會中，視頻信息

2、在諸多信息中占據(jù)重要位置。視頻運動目標(biāo)檢測與跟蹤，即對視頻進(jìn)行分析和處理，檢測并提取運動場景中的目標(biāo)，對它們進(jìn)行跟蹤。它是計算機(jī)視覺技術(shù)的一個重要分支，涉及到模式識別，圖像處理，機(jī)器學(xué)習(xí)，信號處理，統(tǒng)計學(xué)，最優(yōu)方法等諸多領(lǐng)域。在該研究領(lǐng)域中，視頻目標(biāo)識別與跟蹤算法如何快速準(zhǔn)確的和識別出運動目標(biāo)，并對目標(biāo)進(jìn)行實時有效的跟蹤是研究的重點和關(guān)鍵，由于現(xiàn)實場景的復(fù)雜性和多變性，要準(zhǔn)確無誤的識別出目標(biāo)并且進(jìn)行對目標(biāo)進(jìn)行實時的跟蹤，則該視頻跟蹤算法

3、必須兼?zhèn)鋵崟r性與魯棒性的特點。本文從這個角度出發(fā)，采用基于Haar特征的Adaboost算法對視頻中的運動目標(biāo)進(jìn)行識別以及定位，然后采用計算量較小的基于顏色特征的Camshift算法對目標(biāo)進(jìn)行跟蹤，針對Camshift算法抗相似色干擾能力較差，對高速運動的目標(biāo)容易跟蹤實效，以及無法適應(yīng)動態(tài)背景的問題，本文對算法進(jìn)行了改進(jìn)。首先，傳統(tǒng)Camshift算法在目標(biāo)建模的過程中只采用了目標(biāo)HSV顏色空間的H分量進(jìn)行統(tǒng)計，本文在此基礎(chǔ)上引入了S分

4、量，并且通過加權(quán)的方式與H分量共同建立目標(biāo)模型，使其對目標(biāo)顏色特性的描述更加準(zhǔn)確；針對其在跟蹤過程中容易受到相似顏色干擾物的影響導(dǎo)致跟蹤失效，引入了局部分塊跟蹤引導(dǎo)機(jī)制，使其對相似色干擾的魯棒性得以提升；引入了基于貝葉斯模型的自適應(yīng)背景更新機(jī)制，使其適用于動態(tài)背景場景的跟蹤，并且提升了其抗相似色背景干擾的能力；針對其容易對高速運動目標(biāo)跟蹤失效，以及在遮擋情況下目標(biāo)丟失的不足，結(jié)合了Kalman濾波算法對目標(biāo)運動進(jìn)行預(yù)測，改善了上述問題，