運(yùn)動(dòng)目標(biāo)檢測(cè)跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、基于圖像序列的運(yùn)動(dòng)目標(biāo)跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)核心問(wèn)題，得到了廣泛而深入的研究。視覺(jué)跟蹤技術(shù)具有廣闊的應(yīng)用前景，如視頻監(jiān)控、視頻分析、視頻檢索、基于視頻的運(yùn)動(dòng)分析和合成、基于運(yùn)動(dòng)信息的身份識(shí)別等。經(jīng)過(guò)近些年的發(fā)展，取得了長(zhǎng)足的進(jìn)步，但是一般意義上的視覺(jué)跟蹤技術(shù)尚不成熟，要開(kāi)發(fā)出真正魯棒、實(shí)用的視覺(jué)跟蹤應(yīng)用系統(tǒng)還需要更為魯棒的核心算法并需要解決大量的算法實(shí)現(xiàn)問(wèn)題。
　　本文在背景差分目標(biāo)檢測(cè)理論的框架下，對(duì)背景建模、閾值分割、陰影

2、抑制和目標(biāo)關(guān)聯(lián)提出了一些有益的改進(jìn)算法。具體研究?jī)?nèi)容如下：
　　1：圖像分割算法是運(yùn)動(dòng)目標(biāo)檢測(cè)的主要內(nèi)容之一，比較了現(xiàn)有的幾種分割算法的性能差異，并針對(duì)目標(biāo)檢測(cè)問(wèn)題的實(shí)際，提出了一種自適應(yīng)的閾值分割算法，在確保分割性能的前提下，算法實(shí)時(shí)性得到很大提高。
　　2：背景差分是運(yùn)動(dòng)目標(biāo)檢測(cè)最常用的方法之一。在實(shí)際情況下，自然環(huán)境的多變，會(huì)出現(xiàn)背景的擾動(dòng)和光照強(qiáng)度的變化，文中提出了一種非參估計(jì)的背景提取與更新算法，有效的解決了背景光

3、照突變的問(wèn)題。
　　3：在研究傳統(tǒng)的運(yùn)動(dòng)目標(biāo)跟蹤方面，提出了基于卡爾曼濾波的多運(yùn)動(dòng)目標(biāo)跟蹤算法。通過(guò)建立幀間關(guān)系矩陣將運(yùn)動(dòng)目標(biāo)的狀態(tài)分為5種情況進(jìn)行分析，當(dāng)目標(biāo)相互遮擋時(shí)，通過(guò)預(yù)先提取的目標(biāo)模版進(jìn)行匹配，從而獲得準(zhǔn)確的目標(biāo)運(yùn)動(dòng)區(qū)域。實(shí)驗(yàn)結(jié)果表明，本算法在復(fù)雜背景的情況下，也能夠?qū)崿F(xiàn)運(yùn)動(dòng)目標(biāo)的準(zhǔn)確實(shí)時(shí)跟蹤。
　　4：研究了一種粒子濾波框架下的基于稀疏逼近的魯棒目標(biāo)跟蹤算法，我們?cè)诖罅康囊曨l上測(cè)試了算法，實(shí)驗(yàn)表明該算法對(duì)于嚴(yán)重遮