论文部分内容阅读
在视频监控应用众多的今天,智能视频监控正以其独立性、智能性、优越性走进我们的视野,受到越来越多的专家学者的关注和重视。智能视频监控在无需人工干涉的前提下,利用模式识别、人工智能等技术对所拍摄的视频图像自动进行分析和判断行为。其基础部分是运动目标检测与跟踪技术。因此,研究运动目标检测与跟踪技术具有很高的应用价值。 在运动目标检测方面,首先介绍了高斯密度函数估计法,背景减除法,三帧差分法。然后提出了新的运动目标检测算法—基于混合高斯模型和改进的三帧差法的运动目标检测方法。该算法首先利用自适应混合高斯模型动态地构建背景模型,通过背景差分法检测出运动目标区域。然后利用改进的三帧差法对五帧连续图像的1,3,5帧做差分,2,3,4帧做差分,将连个差分结果图像进行逻辑与运算,获取运动目标区域。最后将两种算法得到的运动目标区域进行逻辑或运算,提取较为准确的运动目标。并对它进行仿真,实验表明该算法可有效弥补混合高斯模型和帧差法的不足,检测稳健,鲁棒性良好。 在运动目标跟踪方面,首先介绍了Mean Shift算法、卡尔曼滤波器、扩展卡尔曼滤波器,然后提出了新的运动目标跟踪算法——基于颜色直方图和边缘方向直方图的扩展卡尔曼Mean Shift跟踪算法。该方法以颜色和边缘方向两个特征,分别为目标建立颜色直方图和边缘方向直方图,然后计算单个特征的Bhattacharyya系数,再经过加权求和获得联合特征的Bhattacharyya系数,以此作为衡量目标模板与候选目标相似程度的依据。为提高算法搜索效率,又引入了扩展卡尔曼滤波器对目标进行预测。并对它进行仿真,实验表明该算法跟踪效果良好、稳定。