視頻中運(yùn)動目標(biāo)檢測及跟蹤技術(shù)的研究.pdf

1、運(yùn)動目標(biāo)檢測技術(shù)和跟蹤技術(shù)是實(shí)現(xiàn)智能視頻監(jiān)控的兩個關(guān)鍵技術(shù)。運(yùn)動目標(biāo)檢測和跟蹤處于智能視頻監(jiān)控的底層視覺模塊中,是各種后續(xù)處理技術(shù)的基礎(chǔ),如行為識別、行為分類、行為理解等,因此具有重要的理論意義和實(shí)用價值。
　　為了有效消除復(fù)雜動態(tài)背景對運(yùn)動目標(biāo)檢測的影響,重點(diǎn)研究了基于碼書模型的背景建模算法,并在此基礎(chǔ)上,基于前后景區(qū)分能力更強(qiáng)的YUV顏色空間,提出了一種新的碼書模型,新碼書模型采用六元素碼字、新的碼字學(xué)習(xí)和更新策略,實(shí)現(xiàn)較前人

2、九元素碼字和八元素碼字更快的訓(xùn)練和更低的存儲。仿真結(jié)果表明,新碼書模型有效地減少了偽目標(biāo)的檢測,即使在背景存在擾動和光照條件發(fā)生變化的情況下,基于新碼書模型的算法也能更有效地檢測運(yùn)動目標(biāo)。
　　針對遮擋、背景變化等對目標(biāo)跟蹤帶來的困難,在重點(diǎn)研究了基于卡爾曼濾波器的目標(biāo)跟蹤算法和基于mean-shift的目標(biāo)跟蹤算法的基礎(chǔ)上,提出了一種基于YUV顏色空間特征的目標(biāo)跟蹤融合算法。融合算法在結(jié)合卡爾曼濾波器和mean-shift算法優(yōu)

3、點(diǎn)的同時,又結(jié)合了一種閾值函數(shù),準(zhǔn)確計算目標(biāo)的最終位置,解決了遮擋、背景變化等造成的目標(biāo)跟丟問題,提高了目標(biāo)跟蹤算法的準(zhǔn)確性、實(shí)時性和魯棒性。通過仿真實(shí)驗(yàn)驗(yàn)證了新方法的有效性和準(zhǔn)確性。
　　在理論研究的基礎(chǔ)上,開發(fā)了兩個測試軟件——基于web的遠(yuǎn)程網(wǎng)絡(luò)智能視頻監(jiān)控系統(tǒng)和基于Qtopia2.2.0的近程智能視頻監(jiān)控系統(tǒng),用于對運(yùn)動目標(biāo)檢測算法和跟蹤算法進(jìn)行實(shí)際應(yīng)用場景中的測試。兩個測試軟件都較好地完成了運(yùn)動目標(biāo)檢測算法和跟蹤算法在實(shí)