基于核密度估計(jì)與粒子濾波的運(yùn)動(dòng)檢測(cè)與跟蹤算法研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是計(jì)算機(jī)視覺研究的基礎(chǔ)任務(wù)和關(guān)鍵技術(shù)之一,在視頻監(jiān)控、視頻會(huì)議、人機(jī)交互等領(lǐng)域有著廣泛的應(yīng)用。論文針對(duì)背景模型變化、光照影響、前景背景顏色近似、目標(biāo)尺度變化等復(fù)雜場(chǎng)景下的準(zhǔn)實(shí)時(shí)檢測(cè)和跟蹤問題,對(duì)視頻運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法進(jìn)行了研究。其研究的主要內(nèi)容在于:
　　 1)針對(duì)經(jīng)典的非參數(shù)核密度估計(jì)運(yùn)動(dòng)檢測(cè)由前景噪聲導(dǎo)致的檢測(cè)精確性以及算法的實(shí)時(shí)性問題,本文提出了一種聚類差分圖像核密度估計(jì)算法。該算法首先利用采樣樣本集

2、聚類機(jī)制獲得具有典型代表的樣本集；其次利用自適應(yīng)的全局閾值幀間差分法和背景差分法對(duì)典型運(yùn)動(dòng)像素和非典型運(yùn)動(dòng)像素進(jìn)行分類；并實(shí)時(shí)更新采樣樣本集和參考背景圖像。多個(gè)視頻序列目標(biāo)檢測(cè)實(shí)驗(yàn)結(jié)果表明,該方法有效克服了學(xué)習(xí)階段信息冗余,估計(jì)階段由此產(chǎn)生的估計(jì)錯(cuò)誤噪聲和重復(fù)計(jì)算的問題。
　　 2)針對(duì)基于顏色特征的粒子濾波算法沒有較好的利用跟蹤對(duì)象的重要空間結(jié)構(gòu)信息,以及實(shí)際場(chǎng)景中目標(biāo)尺度變化等問題,本文提出了一種融合空間信息的粒子濾波尺度自

3、適應(yīng)目標(biāo)跟蹤方法。該方法融合了目標(biāo)特征和重要的空間結(jié)構(gòu)信息,并利用尺度自適應(yīng)變化更新策略來(lái)調(diào)整跟蹤窗口尺度大小,同時(shí)利用OpenMP共享存儲(chǔ)并行計(jì)算進(jìn)行跟蹤加速。多個(gè)視頻序列實(shí)驗(yàn)證明,本文提出的方法對(duì)于目標(biāo)鄰域顏色相似或目標(biāo)模型有微小變化的復(fù)雜場(chǎng)景能夠得到更精確的跟蹤結(jié)果,算法實(shí)時(shí)性更好。同時(shí),自適應(yīng)尺度更新策略能較好的適應(yīng)目標(biāo)尺度發(fā)生變化的視頻場(chǎng)景。
　　 3)給出了一個(gè)集成現(xiàn)有的常見目標(biāo)檢測(cè)與跟蹤算法以及本文提出的目標(biāo)檢測(cè)和