復(fù)雜背景下的運動目標(biāo)檢測技術(shù)研究.pdf

1、隨著計算機(jī)硬件和軟件技術(shù)的發(fā)展，計算機(jī)視覺技術(shù)受到了人們越來越多的關(guān)注。尤其在軍事、航空航天、計算機(jī)輔助設(shè)計、智能機(jī)器人等鄰域，計算機(jī)視覺技術(shù)得到了廣泛的應(yīng)用。在計算機(jī)視覺技術(shù)中，基于視頻圖像序列的視覺技術(shù)是最為重要的，因此也成為人們研究的重點和難點。視頻序列中運動目標(biāo)的檢測與跟蹤，又是基于視頻序列的計算機(jī)視覺技術(shù)的基礎(chǔ)和關(guān)鍵。首先，能否將運動目標(biāo)從視頻圖像序列中準(zhǔn)確地檢測出來，是運動估計、目標(biāo)識別及行為理解等后續(xù)處理成功與否的關(guān)鍵。為

2、了實現(xiàn)運動目標(biāo)的檢測，很多學(xué)者進(jìn)行了相關(guān)的研究，并提出了大量的運動目標(biāo)檢測算法。本文在前人工作的基礎(chǔ)上，為了實現(xiàn)分割閾值的自動選擇，提出了一種自適應(yīng)的運動目標(biāo)檢測算法，實現(xiàn)了運動目標(biāo)的自動分割。為了充分利用視頻圖像序列時間上和空間上的相關(guān)性，提出了一種綜合利用時空信息的運動目標(biāo)檢測算法，并通過實驗證明了該算法的有效性和實時性。對復(fù)雜背景下的運動目標(biāo)檢測，本文采用了一種基于統(tǒng)計模式識別思想的算法，并利用該算法對光照變化不明顯的環(huán)境進(jìn)行檢測

3、，并取得了較好的檢測結(jié)果。其次，在運動檢測結(jié)果的基礎(chǔ)上，本文利用雙向Hausdorff距離度量的多分辨率跟蹤算法進(jìn)行運動目標(biāo)的跟蹤，從實驗的結(jié)果可以看出，該算法對運動目標(biāo)的跟蹤準(zhǔn)確，而且在運動目標(biāo)之間出現(xiàn)遮擋現(xiàn)象時，也能識別出不同的運動目標(biāo)并分別予以跟蹤，具備一定的魯棒性。同時，本文還在運動檢測與跟蹤算法的基礎(chǔ)上，利用VisualC＃.NET技術(shù)與VFW工具包實現(xiàn)了一個運動目標(biāo)檢測與跟蹤系統(tǒng)，并通過實際測試確保了系統(tǒng)的可用性和穩(wěn)定性。

4、 為了更好地組織文章的內(nèi)容，本文采用如下章節(jié)結(jié)構(gòu)： 第一章介紹了計算機(jī)視覺技術(shù)的概況、研究現(xiàn)狀、應(yīng)用領(lǐng)域以及存在的問題，尤其著重介紹了運動檢測與跟蹤技術(shù)的研究現(xiàn)狀、研究價值及存在的問題。 第二章介紹了與視頻圖像處理有關(guān)的數(shù)字圖像處理的基礎(chǔ)知識，包括圖像增強(qiáng)、圖像濾波、數(shù)學(xué)形態(tài)學(xué)、顏色模型等。 第三章介紹了常用的運動檢測算法，這些方法可以分為兩類：幀差法和背景差分算法。在前人工作的基礎(chǔ)上，本文提出了自適應(yīng)的運

5、動檢測算法(AMODA)。為了充分利用視頻圖像序列的時空信息，在自適應(yīng)的運動檢測算法和對稱差分算法的基礎(chǔ)上，本文提出了綜合利用時空信息的運動檢測算法(CSTMODA)。在復(fù)雜背景下的運動檢測技術(shù)方面，本文基于最小類別可分性判據(jù)的思想，提出了一種針對光照條件比較穩(wěn)定情況下的運動檢測算法(CBMODA)。 第四章介紹了幾種常用的運動跟蹤算法，并在原有的Hausdorff距離度量算法的基礎(chǔ)上，提出了雙向Hausdorff距離度量的多分