摘要: 智能视频监控是计算机视觉的一个重要分支,它不仅符合信息产业的发展趋势,而且代表了监控行业的未来发展方向,成为近年来热门的研究领域之一。视频中运动目标检测和跟踪技术是智能视频监控中的两项核心技术,是后续的各种高级处理和应用的基石。本文主... 展开 智能视频监控是计算机视觉的一个重要分支,它不仅符合信息产业的发展趋势,而且代表了监控行业的未来发展方向,成为近年来热门的研究领域之一。视频中运动目标检测和跟踪技术是智能视频监控中的两项核心技术,是后续的各种高级处理和应用的基石。本文主要针对运动目标检测和跟踪技术进行了研究,在分析已有研究成果的基础上,针对其存在的问题,提出相应的解决方案。 本文的主要研究工作如下: 在运动目标检测方面,简要介绍了三类常见的运动目标检测算法,重点分析了帧间差分及对称帧间差分算法的优缺点。以帧间差分理论为基础,给出一种改进的运动目标检测算法。通过实验验证,该算法提高了检测到的运动目标的准确性与完整性,获取了运动目标更多的属性,不仅确定了运动目标的位置,同时也得到了目标的运动方向。 在运动目标跟踪方面,针对传统的MeanShift跟踪算法的不足,给出一种改进的目标跟踪算法。该算法以目标区域的加权梯度方向直方图为特征,建立运动目标的初始模板；在对目标进行定位时,先由Kalman滤波器预测目标在下一帧可能存在的位置,再以此位置作为初始位置,采用MeanShift算法对目标进行搜索定位；且在跟踪的过程中,采用本文给出的一种基于矩特征的模板更新方法,实现了运动目标模板的自适应更新。实验表明,该算法克服了MeanShift算法易受到与目标颜色分布相似的背景区域影响的不足,并且当外界环境发生变化时,由于改进算法可以及时的进行模板更新,仍能准确的跟踪到运动目标。 目前的很多跟踪算法只能跟踪到目标所在的大致区域,本文在改进的跟踪算法中融入轮廓检测方法,实现了基于运动目标轮廓的精确跟踪,更加有利于目标识别、分类等后续的研究。并以运动目标检测算法为基础,结合投影法和区域生长算法,实现了初始目标的自动与半自动获取,克服了传统的MeanShift算法需要人工获取初始目标的不足,提高了跟踪算法的智能性。 收起