论文部分内容阅读
运动目标检测与跟踪是计算机视觉的核心课题之一,它融合了图像处理、模式识别、人工智能、自动控制等相关领域的研究成果,在视频监控、视频编码、视频检索、医学图像分析、智能交通、气象分析等许多领域有着广泛的应用,因此本课题具有重要的理论意义和广阔的实用价值。
本文主要针对视频序列中的运动目标检测与跟踪算法进行研究,首先讨论了静态场景下常用的运动目标检测算法,然后重点研究了基于均值漂移和粒了滤波的目标跟踪算法,并针对其存在的问题做出了有效地改进,提高了目标跟踪的稳定性和鲁棒性。主要工作可概括如下:
运动目标检测方面,将高斯混合模犁与背景图像的相关性运算相结合,实现模型学习速率自适应更新,大大提高了背景模型的适应性和鲁棒性。目标跟踪算法方面,首先将传统的基于均值漂移(Mean Shift)跟踪算法与。Kalman滤波结合起来,利用Kalman滤波来预测目标的运动方向和速度,较好地解决了遮挡情况下的目标跟踪问题;最后引入方向可调滤波器(Steerable Filter)来描述目标的多尺度多相位纹理特征,并在粒子滤波理论框架下,提出了一种基于颜色特征和纹理特征融合的视频对象跟踪算法,较采用单一颜色特征的粒子滤波跟踪算法在可靠性、准确性方面有一定的提高。