论文部分内容阅读
随着计算机、图像处理、人工智能和模式识别等技术的迅速发展,近年来数字化视频监控获得了广泛应用。视频序列运动目标检测与跟踪技术又成为核心研究课题。本文在总结前人的研究成果的基础上,在提高运动目标检测与跟踪算法的自适应性和鲁棒性方面进行了深入的研究,提出了基于改进Jung算法的背景建模运动目标检测方法;针对Mean-Shift目标跟踪算法中存在的特征空间描述单一,核窗宽尺度不能自适应更新等问题,提出了融合RGB颜色直方图和色度LBP纹理作为目标区域的特征空间描述,采取后向跟踪形心配准进行空间定位以及利用改进的增量试探法进行尺度定位的两级Mean-Shift跟踪算法。主要研究工作如下: 1.简要介绍目前常用的运动目标检测算法,提出了一种改进Jung方法的背景提取算法,该算法充分考虑了帧间差分信息以及当前帧和背景帧信息,原理简单,背景提取效果良好,基于该算法的背景差分法能准确检测运动目标。 2.深入研究了Mean-Shift目标跟踪算法,Mean-Shift算法计算简单,实时性好,在跟踪领域得到了较为广泛得应用。但是Mean-Shift算法对目标区域特征描述较为单一,对于目标与背景颜色较相似时,跟踪容易失败;同时由于核窗宽不能自适应更新,对于尺度有较大变化的运动目标,跟踪鲁棒性较差。 3.针对Mean-Shift算法特征空间描述单一,核窗宽不能自适应更新两方面问题,本文提出了改进。首先结合R、G、B三维颜色直方图和色度分量LBP纹理特征,建立四维直方图,作为特征空间的描述,由于结合了纹理信息,因此当目标与背景颜色较相似时,提高了跟踪的鲁棒性;其次提出利用后向跟踪形心配准、改进增量试探法确定目标尺度的两级Mean-Shift跟踪算法,对于尺度发生变化的刚体与非刚体进行跟踪,精度较高。改进的算法,在保证尺度定位准确性的前提下,降低了计算量,保证了算法的实时性。