資源描述：
《視頻圖像中的運動目標檢測與跟蹤算法研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、萬方數據中圖分類號：0450UDC：620密級：學校代碼：訝4￡解為尢學碩士學位論文(學歷碩士)視頻圖像中的運動目標檢測與跟蹤算法研究ResearchonMovingObjectDetectionandTrackingAlgorithmsinVideo研究生姓名：指導教師：學科專業(yè)：研究方向：論文開題日期：王艷玲魏志成教授無線電物理信號檢測與處理2014年3月12日公開10094萬方數據學位論文原創(chuàng)性聲明本人所提交的學位論文《視頻圖像中的運動目標檢測與跟蹤算法研究》，是在導師的指導下，獨立進行研究工作所取得
2、的原創(chuàng)性成果。除文中已經注明引用的內容外，本論文不包含任何其他個人或集體已經發(fā)表或撰寫過的研究成果。對本文的研究做出重要貢獻的個人和集體，均已在文中標明。本聲明的法律后果由本人承擔。論文作者(簽名)：工匏短2D陌年f月2iEt指導刻幣確認c㈣霸菇，國’二9多年}月邀餌學位論文版權使用授權書本學位論文作者完全了解河北師范大學有權保留并向國家有關部門或機構送交學位論文的復印件和磁盤，允許論文被查閱和借閱。本人授權河北師范大學可以將學位論文的全部或部分內容編入有關數據庫進行檢索，可以采用影印、縮印或其它復制手段保
3、存、匯編學位論文。(保密的學位論文在——年解密后適用本授權書)論文作者(簽名)：蹦指導教師(簽名)：魏硒’幻K年s月21日2．t,a婢}月步日11萬方數據摘要運動目標檢測與跟蹤是計算機視覺領域一個熱門的話題，它是一門涉及到統(tǒng)計學、認知學、信號處理、人工智能以及計算機科學與工程等許多先進技術領域的綜合學科，在人機交互、智能交通、安全監(jiān)控、視覺導航、視頻圖像壓縮、醫(yī)療診斷等領域具有非常重要的實用價值。近些年來，隨著計算機和信息技術的迅速發(fā)展，大量研究人員和研究機構對其進行了深入的研究，并針對不同的應用環(huán)境提出了
4、相應的解決辦法。然而，由于實際場景的復雜性和不確定性，現有的運動目標檢測算法和運動目標跟蹤算法仍然存在許多有待解決的問題。因此，開發(fā)通用的、有效的、實時的運動目標檢測算法和運動目標跟蹤算法依舊面臨著許多挑戰(zhàn)，是當今研究人員和研究機構討論的熱點和難題，具有重要的理論意義和實用價值。具體來說，本文主要對視頻圖像中的運動目標檢測與跟蹤算法進行了研究。首先，介紹了運動目標檢測與跟蹤的研究背景和研究現狀等知識；其次，對圖像處理基本知識進行了討論：再次，重點對運動目標檢測算法和運動目標跟蹤算法進行了研究；最后，進行了總
5、結，并提出不足之處和未來的計劃。下面詳細介紹本文在運動目標檢測和運動目標跟蹤兩方面的研究內容和研究成果。在運動目標檢測方面，主要研究了靜態(tài)背景下常用的三種運動目標檢測算法，即光流法、幀間差分法和背景差分法。綜合對它們的優(yōu)缺點和適用場合考慮以后，提出了一種基于三幀差分法和背景差分法且抗陰影的運動目標檢測算法。此算法使用幀間差分法的三幀差分法和采用疊加求平均值法提取背景圖像的背景差分法相結合提取運動目標，然后在HSV顏色空間中進行運動目標陰影的檢測與消除，最后使用數學形態(tài)學中的腐蝕、膨脹、開運算和閉運算去除噪聲
6、。該算法不但解決了幀間差分法容易在目標內部產生空洞和背景差分法對于場景變化特別敏感的問題，而且可以消除陰影和噪聲對檢測結果的干擾。經實驗證明，該算法提取的運動目標輪廓更完整，消除陰影和噪聲的干擾后，可以有效的對單目標和多目標進行檢測，對室內和室外運動目標的檢測結果都比較好。在運動目標跟蹤方面，首先介紹了三種當今主流的運動目標跟蹤算法，即基于Mean．Shift的目標跟蹤算法、基于粒子濾波的目標跟蹤算法和TLD目標跟蹤算法。其中Mean．Shill算法通過多次迭代漂移來跟蹤目標的位置，大多數的情況下對于低速運
7、動目標可以保證跟蹤的準確性，是一種簡單易實現且快速有效的跟蹤算法，更適合用于實時的運動目標跟蹤。另外，該算法采用核函數直方圖對目標模型進行描述，對目標的旋轉和變形以及背Ill萬方數據景運動等情形都具有較好的抗干擾性能。但是Mean—Shift算法在目標跟蹤過程巾沒有利用目標的運動方向和速度信息，這就導致無法準確地跟蹤快速運動的目標。另外，傳統(tǒng)的Mean—Shift算法的跟蹤窗口尺寸固定不變不能實時地適應目標尺寸大小的變化。這使得當跟蹤目標尺度變小時，跟蹤窗口過大，過多地包含了不必要的背景信息；而當跟蹤目標尺
8、度變大時，跟蹤窗口過小，沒有包含全部的跟蹤目標信息，跟蹤目標會丟失部分特征點，可能造成跟蹤失敗。針對以上缺點本文提出了一種基本向前向后中心中值和三尺度信息量度量的Mean-Shift算法。該算法使用向前后中心中值法調節(jié)跟蹤窗口在每一幀的位置，解決了傳統(tǒng)Mean-Shift算法不能準確跟蹤快速運動目標的缺點。同時，改進后的算法使用三尺度信息量度量法可以動態(tài)地調節(jié)跟蹤窗1：3的大小。實驗結果表明，改進后的算法不僅可以
