基于光流法的運動目標(biāo)檢測和跟蹤算法研究.pdf

1、煤礦井下運動目標(biāo)檢測和跟蹤是礦區(qū)視頻監(jiān)控中十分重要的一個問題，對于煤礦的安全生產(chǎn)、事故后的報布情況以及及時報警和聯(lián)動處理都有重要意義。目前關(guān)于運動目標(biāo)檢測和跟蹤的算法很多，但仍未有一個通用算法適用各種場合。光流法在運動目標(biāo)檢測和跟蹤領(lǐng)域具有廣泛應(yīng)用，本文詳細(xì)介紹了目前常用的幾種跟蹤算法，與光流法相比，說明了光流法的優(yōu)點，同時也指出其不足，并針對不足之處提出改進，最終通過實驗驗證了改進算法的有效性。本文的主要工作如下：
　　介紹了三

2、種經(jīng)典的運動目標(biāo)檢測算法：背景差分法、幀差法，光流法，具體論述了三種算法的理論，比較了各個算法的優(yōu)缺點。背景差分法檢測出的運動目標(biāo)容易出現(xiàn)“拖尾”現(xiàn)象，而且對背景的動態(tài)變化比較敏感；幀差法計算量小，所檢測到的運動目標(biāo)有“空洞”；光流法在攝像機運動的情況下亦能檢測出運動目標(biāo)，但其抗噪聲性能差，同時也不能十分精確的檢測出運動目標(biāo)的完整輪廓。
　　針對煤礦井下的高躁、光照變化大等問題，本文將光流法與邊緣檢測算法相結(jié)合，提出了一種基于改進

3、光流的多特征融合運動目標(biāo)檢測算法。通過實驗分析各種邊緣算子，確定采用改進的Prewitt算子檢測物體邊緣，得到較完整的物體輪廓信息；考慮到傳統(tǒng)光流算法在實時性、抗噪性方面的缺點，本文首先采用抗噪性較強的SUSAN角點檢測檢測角點，然后采用改進分層光流法估計光流矢量，提高算法實時性，對于礦下光照變化問題，本文又提出基于分層光流的特征點軌跡向前向后誤差法，剔除了光流誤匹配點；最后將物體邊緣信息與光流運動信息融合，采用數(shù)學(xué)形態(tài)學(xué)方法對結(jié)果進行

4、精處理，實驗結(jié)果表明該算法能夠檢測到較完整的運動目標(biāo)。
　　針對礦下目標(biāo)重疊與部分遮擋等問題，本文提出了基于特征光流及模板更新的運動目標(biāo)跟蹤算法。通過比較圖像灰度方差確定初始模板，采用特征光流估計初始模板在下一幀的搜索區(qū)域，減少匹配時間，根據(jù)Hausdorff距離判斷模板相似度，對于偏差較大的模板采用自適應(yīng)加權(quán)模板更新法進行模板更新。仿真結(jié)果表明該算法能夠?qū)崿F(xiàn)礦下運動目標(biāo)的長時間穩(wěn)定跟蹤，且對部分遮擋的運動目標(biāo)也能實現(xiàn)持續(xù)跟蹤。<