視頻圖像中的運(yùn)動目標(biāo)檢測與跟蹤算法研究.pdf

1、運(yùn)動目標(biāo)檢測與跟蹤是計(jì)算機(jī)視覺領(lǐng)域一個(gè)熱門的話題，它是一門涉及到統(tǒng)計(jì)學(xué)、認(rèn)知學(xué)、信號處理、人工智能以及計(jì)算機(jī)科學(xué)與工程等許多先進(jìn)技術(shù)領(lǐng)域的綜合學(xué)科，在人機(jī)交互、智能交通、安全監(jiān)控、視覺導(dǎo)航、視頻圖像壓縮、醫(yī)療診斷等領(lǐng)域具有非常重要的實(shí)用價(jià)值。近些年來，隨著計(jì)算機(jī)和信息技術(shù)的迅速發(fā)展，大量研究人員和研究機(jī)構(gòu)對其進(jìn)行了深入的研究，并針對不同的應(yīng)用環(huán)境提出了相應(yīng)的解決辦法。然而，由于實(shí)際場景的復(fù)雜性和不確定性，現(xiàn)有的運(yùn)動目標(biāo)檢測算法和運(yùn)動目標(biāo)

2、跟蹤算法仍然存在許多有待解決的問題。因此，開發(fā)通用的、有效的、實(shí)時(shí)的運(yùn)動目標(biāo)檢測算法和運(yùn)動目標(biāo)跟蹤算法依舊面臨著許多挑戰(zhàn)，是當(dāng)今研究人員和研究機(jī)構(gòu)討論的熱點(diǎn)和難題，具有重要的理論意義和實(shí)用價(jià)值。
　　具體來說，本文主要對視頻圖像中的運(yùn)動目標(biāo)檢測與跟蹤算法進(jìn)行了研究。首先，介紹了運(yùn)動目標(biāo)檢測與跟蹤的研究背景和研究現(xiàn)狀等知識;其次，對圖像處理基本知識進(jìn)行了討論;再次，重點(diǎn)對運(yùn)動目標(biāo)檢測算法和運(yùn)動目標(biāo)跟蹤算法進(jìn)行了研究;最后，進(jìn)行了總結(jié)

3、，并提出不足之處和未來的計(jì)劃。下面詳細(xì)介紹本文在運(yùn)動目標(biāo)檢測和運(yùn)動目標(biāo)跟蹤兩方面的研究內(nèi)容和研究成果。
　　在運(yùn)動目標(biāo)檢測方面，主要研究了靜態(tài)背景下常用的三種運(yùn)動目標(biāo)檢測算法，即光流法、幀間差分法和背景差分法。綜合對它們的優(yōu)缺點(diǎn)和適用場合考慮以后，提出了一種基于三幀差分法和背景差分法且抗陰影的運(yùn)動目標(biāo)檢測算法。此算法使用幀間差分法的三幀差分法和采用疊加求平均值法提取背景圖像的背景差分法相結(jié)合提取運(yùn)動目標(biāo)，然后在HSV顏色空間中進(jìn)行

4、運(yùn)動目標(biāo)陰影的檢測與消除，最后使用數(shù)學(xué)形態(tài)學(xué)中的腐蝕、膨脹、開運(yùn)算和閉運(yùn)算去除噪聲。該算法不但解決了幀間差分法容易在目標(biāo)內(nèi)部產(chǎn)生空洞和背景差分法對于場景變化特別敏感的問題，而且可以消除陰影和噪聲對檢測結(jié)果的干擾。經(jīng)實(shí)驗(yàn)證明，該算法提取的運(yùn)動目標(biāo)輪廓更完整，消除陰影和噪聲的干擾后，可以有效的對單目標(biāo)和多目標(biāo)進(jìn)行檢測，對室內(nèi)和室外運(yùn)動目標(biāo)的檢測結(jié)果都比較好。
　　在運(yùn)動目標(biāo)跟蹤方面，首先介紹了三種當(dāng)今主流的運(yùn)動目標(biāo)跟蹤算法，即基于Me

5、an-Shift的目標(biāo)跟蹤算法、基于粒子濾波的目標(biāo)跟蹤算法和TLD目標(biāo)跟蹤算法。其中Mean-Shift算法通過多次迭代漂移來跟蹤目標(biāo)的位置，大多數(shù)的情況下對于低速運(yùn)動目標(biāo)可以保證跟蹤的準(zhǔn)確性，是一種簡單易實(shí)現(xiàn)且快速有效的跟蹤算法，更適合用于實(shí)時(shí)的運(yùn)動目標(biāo)跟蹤。另外，該算法采用核函數(shù)直方圖對目標(biāo)模型進(jìn)行描述，對目標(biāo)的旋轉(zhuǎn)和變形以及背景運(yùn)動等情形都具有較好的抗干擾性能。但是Mean-Shift算法在目標(biāo)跟蹤過程巾沒有利用目標(biāo)的運(yùn)動方向和速

6、度信息，這就導(dǎo)致無法準(zhǔn)確地跟蹤快速運(yùn)動的目標(biāo)。另外，傳統(tǒng)的Mean-Shift算法的跟蹤窗口尺寸固定不變不能實(shí)時(shí)地適應(yīng)目標(biāo)尺寸大小的變化。這使得當(dāng)跟蹤目標(biāo)尺度變小時(shí)，跟蹤窗口過大，過多地包含了不必要的背景信息;而當(dāng)跟蹤目標(biāo)尺度變大時(shí)，跟蹤窗口過小，沒有包含全部的跟蹤目標(biāo)信息，跟蹤目標(biāo)會丟失部分特征點(diǎn)，可能造成跟蹤失敗。針對以上缺點(diǎn)本文提出了一種基本向前向后中心中值和三尺度信息量度量的Mean-Shift算法。該算法使用向前后中心中值法調(diào)