多運動目標的實時檢測與跟蹤研究.pdf

1、智能化的多運動目標檢測與跟蹤系統(tǒng)可以大量減少工作人員，提高工作效率，極大的提高監(jiān)控系統(tǒng)的性能，是計算機視覺領域非?；钴S的一個研究方向。目前在安防、軍事、醫(yī)療領域具有非常廣闊的應用前景。目前，許多關于檢測與跟蹤的算法在實際應用中存在著準確性和實時性的問題，本文在前人研究的基礎上，重點研究了如何在算法上提高多運動目標檢測與跟蹤算法的準確性和實時性。
　　 首先，針對傳統(tǒng)單純基于塊或像素對圖像進行背景建模在目標檢測中存在高誤檢率，提出

2、了一種新的分層背景建模和目標檢測方法。本文中利用紋理信息進行第一層的分塊背景建模，然后縮小建模粒度進行第二層的碼本背景建模；在目標檢測階段，當上層粒度檢測為前景時繼續(xù)下層粒度的前景檢測，不同粒度從上到下與所得背景模型分層匹配。對比實驗表明了分層背景建模算法的實用性和魯棒性，不但有效地避免了像素背景建模中目標顏色和背景相似導致的誤檢，也彌補了分塊背景建模在邊緣處背景信息過多的問題。
　　 其次，在多目標的跟蹤算法中，針對均值漂移跟

3、蹤算法容易跟蹤丟失以及粒子濾波跟蹤算法計算量大等問題，提出了一種兩步多目標跟蹤算法。利用均值漂移跟蹤快速跟蹤的特性，將其用于第一步跟蹤得到候選目標，在判斷其跟蹤不準的情況下再利用粒子濾波在非線性、非高斯系統(tǒng)狀態(tài)下都能準確跟蹤目標的優(yōu)點，彌補了一步算法只收斂于局部最大值的缺點。同時在粒子濾波跟蹤中利用上一步跟蹤結果與模板的相似度來確定粒子數(shù)和傳播半徑，緩解了粒子匱乏和計算量大的問題。對比試驗表明了兩步跟蹤算法能維持均值漂移跟蹤的實時性和粒