基于改進光流場目標檢測跟蹤系統(tǒng)的設計.pdf

1、基于運動目標的檢測和跟蹤是道路交通監(jiān)管中經(jīng)常遇到的一個問題，我們通常是利用模式識別的方法來對視頻圖像中的車輛進行跟蹤。車輛等目標的跟蹤就是在視頻圖像的每個圖像中確定我們所需要的目標位置，來實現(xiàn)跟蹤。隨著科學技術的不斷發(fā)展，目標檢測與跟蹤技術越來越智能化。其中基于運動目標的檢測跟蹤算法在對現(xiàn)實的虛擬、過程控制、軍事、醫(yī)療、道路交通監(jiān)控等諸多領域都有廣闊的應用前景。而跟蹤算法的關鍵在于如何快速、高效地在每一幀圖像中實現(xiàn)自動目標定位?；诠饬?/p>

2、法的算法廣泛應用于目標檢測和跟蹤系統(tǒng)。本篇論文中介紹了幾種常用的目標檢測與目標跟蹤算法，通過將各算法之間的優(yōu)缺點進行比較，本文提出了改進的目標檢測與跟蹤算法，最后進行仿真實驗，從實驗結(jié)果發(fā)現(xiàn)改進的算法具有一定的準確性。
　　從以下幾個方面論述了本文的主要研究內(nèi)容以及創(chuàng)新點:介紹了三種經(jīng)典的運動目標檢測算法，背景差分法（background difference method）、幀差法(framedifference method)

3、、光流法(optical flow method)以及基于光流法的運動目標檢測與跟蹤改進算法。簡要介紹了三種算法的基本原理，并將各種算法的優(yōu)缺點進行了對比。BDM檢測對其動態(tài)背景變化的檢測十分敏感;FDM盡管其計算量比其它算法要小，但當用來對運動目標進行檢測時會發(fā)生“空洞”的現(xiàn)象;OF雖在復雜環(huán)境條件下能進行運動目標的檢測，卻容易收到噪聲的干擾。同時通用的光流算法耗時較大不能滿足實時性要求，且不能精確檢測出運動目標的外形。因此，對傳統(tǒng)算

4、法存在的一些缺陷，本文提出了特征光流法(Characteristic opticalflow method)和ViBe算法組成新型的光流計算模型對視頻圖像中運動目標進行準確檢測獲得圖像的稠密紋理流，將運動物體的邊緣信息與光流運動的信息進行多特征融合，從計算結(jié)果的精度和穩(wěn)健性兩方面進行評估。對于運動目標的跟蹤，本文主要采用的是基于擴展性卡爾曼濾波的光流法的跟蹤方法。擴展性卡爾曼濾波算法能很好的解決非線性觀測下目標的跟蹤問題。當運動目標遇到