運動目標檢測跟蹤系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、基于圖像序列的運動目標跟蹤是計算機視覺領(lǐng)域的一個核心問題，得到了廣泛而深入的研究。視覺跟蹤技術(shù)具有廣闊的應(yīng)用前景，如視頻監(jiān)控、視頻分析、視頻檢索、基于視頻的運動分析和合成、基于運動信息的身份識別等。經(jīng)過近些年的發(fā)展，取得了長足的進步，但是一般意義上的視覺跟蹤技術(shù)尚不成熟，要開發(fā)出真正魯棒、實用的視覺跟蹤應(yīng)用系統(tǒng)還需要更為魯棒的核心算法并需要解決大量的算法實現(xiàn)問題。
　　本文在背景差分目標檢測理論的框架下，對背景建模、閾值分割、陰影

2、抑制和目標關(guān)聯(lián)提出了一些有益的改進算法。具體研究內(nèi)容如下：
　　1：圖像分割算法是運動目標檢測的主要內(nèi)容之一，比較了現(xiàn)有的幾種分割算法的性能差異，并針對目標檢測問題的實際，提出了一種自適應(yīng)的閾值分割算法，在確保分割性能的前提下，算法實時性得到很大提高。
　　2：背景差分是運動目標檢測最常用的方法之一。在實際情況下，自然環(huán)境的多變，會出現(xiàn)背景的擾動和光照強度的變化，文中提出了一種非參估計的背景提取與更新算法，有效的解決了背景光

3、照突變的問題。
　　3：在研究傳統(tǒng)的運動目標跟蹤方面，提出了基于卡爾曼濾波的多運動目標跟蹤算法。通過建立幀間關(guān)系矩陣將運動目標的狀態(tài)分為5種情況進行分析，當目標相互遮擋時，通過預(yù)先提取的目標模版進行匹配，從而獲得準確的目標運動區(qū)域。實驗結(jié)果表明，本算法在復(fù)雜背景的情況下，也能夠?qū)崿F(xiàn)運動目標的準確實時跟蹤。
　　4：研究了一種粒子濾波框架下的基于稀疏逼近的魯棒目標跟蹤算法，我們在大量的視頻上測試了算法，實驗表明該算法對于嚴重遮