視頻序列中運動目標(biāo)檢測跟蹤算法研究.pdf

1、伴隨著計算機、圖像處理、人工智能和模式識別等各項技術(shù)的迅速發(fā)展，近年來興起了數(shù)字化視頻監(jiān)控的浪潮。視頻序列中運動目標(biāo)檢測與跟蹤技術(shù)不需要人為干預(yù)，利用計算機視覺和視頻分析的方法對攝像機拍錄的圖像序列進行自動分析，吸引了國內(nèi)外大批學(xué)者的關(guān)注和深入研究，并取得了大量的成績。本文在分析前人研究成果的基礎(chǔ)上，在提高運動目標(biāo)檢測與跟蹤算法的自適應(yīng)性和實時性等方面進行深入研究，分別實現(xiàn)了基于壓縮傳感理論的背景差分檢測算法和基于卡爾曼濾波預(yù)測的快速跟

2、蹤算法，并對基于顏色直方圖分布模式匹配的Mean-shift算法進行深入研究。主要工作內(nèi)容概括如下：
　　 1、簡要介紹運動目標(biāo)檢測技術(shù)的常用方法，采用有限幀均值和自適應(yīng)閾值方法對基于背景差分和幀間差分相結(jié)合的檢測方法進行了改進，對于視頻序列的初始幀中含有運動目標(biāo)時初始背景建立不準(zhǔn)確的缺陷進行了彌補，同時有效避免了采用經(jīng)驗閾值的非適應(yīng)性。
　　 2、為了減少視頻序列中巨大的數(shù)據(jù)量處理帶來的壓力，結(jié)合最近興起的壓縮傳感理論

3、，實現(xiàn)了一種基于壓縮傳感理論的背景差分檢測算法。不同于傳統(tǒng)的奈奎斯特采樣定理，壓縮傳感理論指出只要信號具有稀疏性或可壓縮性，就可以通過較少的隨機采樣點來恢復(fù)原始信號。采用該改進算法使用少量采樣數(shù)據(jù)即可實現(xiàn)運動目標(biāo)檢測的目的，很大程度上減少了處理的數(shù)據(jù)量。
　　 3、深入研究卡爾曼濾波在運動目標(biāo)跟蹤中的應(yīng)用，改進了一種快速有效的卡爾曼濾波預(yù)測算法?？柭鼮V波是基于系統(tǒng)當(dāng)前的狀態(tài)對下一時刻的狀態(tài)做最優(yōu)估計及修正的，由于每次計算的參數(shù)

4、過多，使得計算量繁瑣，對目標(biāo)跟蹤的實時性產(chǎn)生影響。然而通過公式推導(dǎo)和多次實驗發(fā)現(xiàn)其增益系數(shù)在迭代次數(shù)為參與視頻處理序列總數(shù)的前20％時，迅速變成一個常量。本文采取前20％幀數(shù)運用原增益系數(shù)方程進行更新，其余的視頻序列中增益系數(shù)置為常量的處理方法。計算機仿真實驗證明本文算法可以快速有效地實現(xiàn)運動目標(biāo)的跟蹤目的。
　　 4、深入研究基于顏色直方圖模式匹配的Mean-shift算法，實現(xiàn)其與快速卡爾曼濾波預(yù)測相結(jié)合的算法，減少了運動目