基于仿生智能的多目標(biāo)跟蹤算法研究.pdf

1、圖像序列中運(yùn)動(dòng)目標(biāo)的檢測和跟蹤是計(jì)算機(jī)視覺、數(shù)字視頻等領(lǐng)域最熱門的研究課題之一，對于目標(biāo)行為理解等中高層次的處理具有十分重要的意義。如何能夠準(zhǔn)確快速的檢測運(yùn)動(dòng)目標(biāo)和實(shí)現(xiàn)對目標(biāo)的實(shí)時(shí)魯棒跟蹤一直是多目標(biāo)檢測和跟蹤技術(shù)中待解決的關(guān)鍵問題。針對這一關(guān)鍵問題，本文主要對基于仿生智能的多目標(biāo)的檢測和跟蹤方法進(jìn)行了研究，具體如下： 1.深入分析研究了目前常用的幾種自適應(yīng)動(dòng)態(tài)背景建模方法。背景減除法是常用的運(yùn)動(dòng)目標(biāo)檢測方法之一，而背景建模是背

2、景減除法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測的基礎(chǔ)。由于現(xiàn)實(shí)場景往往因?yàn)楣庹盏仍虿粩嘧兓?，需要建立一個(gè)能夠準(zhǔn)確描述背景并根據(jù)背景變化及時(shí)更新的背景模型。本文深入分析了幾種目前常用動(dòng)態(tài)背景建模方法，并對其優(yōu)點(diǎn)和存在的問題進(jìn)行了總結(jié)和比較。 2.提出了一種記憶式背景建模方法。該方法以混合高斯背景建模方法為基礎(chǔ)，在嵌入噪聲去除算法和基于HSV顏色特征的陰影檢測算法去除噪聲和陰影干擾的同時(shí)，采用學(xué)習(xí)率自適應(yīng)的在線更新方法解決傳統(tǒng)混合高斯模型無法準(zhǔn)確分割運(yùn)

3、動(dòng)緩慢和暫時(shí)停止的運(yùn)動(dòng)目標(biāo)的問題，并模仿人類觀察環(huán)境的過程將“記憶”方法引入混合高斯模型中，有效解決了背景突變的問題。 3.提出新的狀態(tài)轉(zhuǎn)移模型和觀測模型，采用粒子濾波方法實(shí)現(xiàn)了多運(yùn)動(dòng)目標(biāo)的實(shí)時(shí)魯棒跟蹤。針對目前采用粒子濾波方法進(jìn)行圖像序列目標(biāo)跟蹤時(shí)常用觀測模型計(jì)算量大的缺點(diǎn)，結(jié)合運(yùn)動(dòng)檢測得到的信息建立新的狀態(tài)轉(zhuǎn)移模型和觀測模型，大大降低了算法的計(jì)算量。實(shí)驗(yàn)結(jié)果表明，采用本文提出的狀態(tài)轉(zhuǎn)移模型和觀測模型，能夠較好的實(shí)現(xiàn)多運(yùn)動(dòng)目標(biāo)