论文部分内容阅读
本文主要研究静止背景下运动目标的检测和提取,运动目标的跟踪,以及Snake跟踪算法等方面的内容。
在静止背景下的目标检测方面,本文介绍了帧间差法和背景差法两种算法的基本原理;简要介绍了帧间差分法及其特点;分析了单高斯背景模型方法的优缺点,给出了改进方案并进行实验分析;研究了利用混合高斯模型提取具有扰动的背景模型的方法,分析了混合高斯模型的优缺点;根据单高斯模型和混合高斯模型的优缺点,提出了自适应多高斯模型背景模型算法;在消除光照突变影响方面,介绍了用统计亮度变化点数来消除光照突变影响的算法。
在研究用相关方法进行运动目标跟踪方面,本文主要介绍了几种常用的匹配跟踪算法:MCD、基于直方图特征的特征匹配跟踪算法、SSDA,以及将DCT变换引入相关匹配的算法。在跟踪中引入了Kalman滤波器对匹配点进行预测,减小了匹配点的搜索范围;引入了小波变换,先对图像进行小波变换,取出一次小波变换后的低频分量进行匹配,从而滤除了高频噪声,同时减少匹配的点数,提高了跟踪的速度和精度;给出了自适应的模板更新机制,增加了对物体被遮挡和目标丢失的判断;实验了多种相关跟踪算法,比较了各种算法的实时性和准确性。
在Snake跟踪算法方面,介绍了传统的Snake算法及其离散化实现,分析了算法的不足;比较了Greedy-Snake算法和GvF-Snake算法,确定了跟踪中使用Greedy-Snake方法的合理性;给出了Snake算法应用于目标跟踪的实现方案,分析了实现跟踪的难点,给出了一种实现初始轮廓提取的方法;对Snake跟踪算法进行了实验,分析了实验结果。