運動目標(biāo)檢測與跟蹤關(guān)鍵技術(shù)研究.pdf

1、針對運動目標(biāo)檢測與跟蹤關(guān)鍵技術(shù)問題展開了研究,在認(rèn)真總結(jié)前人研究成果的基礎(chǔ)上,深入分析與探討了目前運動目標(biāo)檢測與跟蹤算法研究領(lǐng)域所面臨的主要問題。論文主要針對兩個關(guān)鍵技術(shù)展開研究,一是運動圖像分割,二是基于粒子濾波的運動目標(biāo)跟蹤。
　　為了能從含有運動目標(biāo)的圖像序列中獲取初始背景圖像以及對其進行更新,國內(nèi)外大量的文獻就此進行了深入的研究。常見的有均值法、中值法、統(tǒng)計直方圖、稀疏貝葉斯分類器方法等來獲取初始背景;卡爾曼濾波方法、混合

2、高斯模型等來對背景進行更新。針對傳統(tǒng)混合高斯模型本身計算量大和陰需要影消除的缺陷,和圖像紋理及HSV向量空間特點,本文提出了一種基于HSV彩色空間的分塊混合高斯模型建模方法,該方法減少了傳統(tǒng)模型的運算量,而且可以很好的抑制運動目標(biāo)陰影,增加了算法的魯棒性。
　　近年來,粒子濾波引起了機器人學(xué)、目標(biāo)追蹤等諸多應(yīng)用領(lǐng)域?qū)W者的關(guān)注。在對建議分布的選擇機制及自適應(yīng)選擇機制研究基礎(chǔ)上,論文提出了兩種基于建議分布改進的粒子濾波運動目標(biāo)跟蹤算法