论文部分内容阅读
视频图像中的运动物体识别与跟踪技术是计算机视觉、计算机科学、视频监控等学术领域广泛关注的一个重要课题。该技术将数字图像处理领域中对静态图像的分析扩展到动态图像中。运动物体识别和跟踪技术的研究成果不仅在社会日常生活和工作中有着广泛的应用前景,而且在军事、交通、医学和科研等领域发挥着日益重要的作用。运动物体识别与跟踪算法的设计将直接影响识别和跟踪效果的准确性及稳定性,对于精确度高、鲁棒性好的识别跟踪算法的研究一直是计算机视觉和数字图像处理等领域的热点问题。本文首先概要介绍了目前运动目标识别与跟踪领域的一些常用的方法。并介绍了数字图像处理以及识别跟踪技术的相关理论基础;在图像预处理方面,本文介绍了图像的获取、转换以及图像噪声抑制技术,为运动物体的识别和跟踪等工作奠定了良好的基础。在运动目标识别方面,本文根据所处理的视频图像序列的特点,利用相邻帧图像具有强相关性的特点,采用了帧间差分和背景差分的目标识别方法对视频序列中的运动物体进行识别,为了充分利用视频图像序列在时间上和空间上的相关性,本文提出了一种综合利用视频图像序列时间信息和空间信息的运动目标识别算法,首先利用背景差分法对视频序列中待检测帧图像进行检测来识别运动物体,为了避免重复的运算,利用连续三帧差分算法来检测背景差分法中检测出的前景区域中的运动目标。像素的邻域信息可以避免将背景本身的运动错误的检测为运动的物体,本文采用基于邻域的背景差分法来解决这个问题。实验证明,该算法操作简便、速度快。在运动目标跟踪方面,本文在对常用的目标跟踪算法分析的基础上,详细研究图像匹配跟踪算法中的基于Hausdorff距离度量的目标跟踪算法,在此基础上提出了基于图像多分辨率的利用双向HD距离度量的跟踪算法进行运动目标的跟踪,从实验的结果可以看出,该算法对运动目标的跟踪准确,而且在运动目标出现遮挡现象时,也可以识别出不同的运动目标,并分别予以跟踪,该算法具备一定的鲁棒性。