運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤關(guān)鍵技術(shù)研究.pdf

1、針對(duì)運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤關(guān)鍵技術(shù)問(wèn)題展開(kāi)了研究,在認(rèn)真總結(jié)前人研究成果的基礎(chǔ)上,深入分析與探討了目前運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤算法研究領(lǐng)域所面臨的主要問(wèn)題。論文主要針對(duì)兩個(gè)關(guān)鍵技術(shù)展開(kāi)研究,一是運(yùn)動(dòng)圖像分割,二是基于粒子濾波的運(yùn)動(dòng)目標(biāo)跟蹤。
　　為了能從含有運(yùn)動(dòng)目標(biāo)的圖像序列中獲取初始背景圖像以及對(duì)其進(jìn)行更新,國(guó)內(nèi)外大量的文獻(xiàn)就此進(jìn)行了深入的研究。常見(jiàn)的有均值法、中值法、統(tǒng)計(jì)直方圖、稀疏貝葉斯分類(lèi)器方法等來(lái)獲取初始背景;卡爾曼濾波方法、混合

2、高斯模型等來(lái)對(duì)背景進(jìn)行更新。針對(duì)傳統(tǒng)混合高斯模型本身計(jì)算量大和陰需要影消除的缺陷,和圖像紋理及HSV向量空間特點(diǎn),本文提出了一種基于HSV彩色空間的分塊混合高斯模型建模方法,該方法減少了傳統(tǒng)模型的運(yùn)算量,而且可以很好的抑制運(yùn)動(dòng)目標(biāo)陰影,增加了算法的魯棒性。
　　近年來(lái),粒子濾波引起了機(jī)器人學(xué)、目標(biāo)追蹤等諸多應(yīng)用領(lǐng)域?qū)W者的關(guān)注。在對(duì)建議分布的選擇機(jī)制及自適應(yīng)選擇機(jī)制研究基礎(chǔ)上,論文提出了兩種基于建議分布改進(jìn)的粒子濾波運(yùn)動(dòng)目標(biāo)跟蹤算法