基于視頻的運動目標檢測和跟蹤技術.pdf

1、隨著視頻監(jiān)控規(guī)模的不斷擴大，僅僅使用人力對成千上萬的監(jiān)控攝像頭進行在線監(jiān)視、對海量監(jiān)控視頻進行分析已經(jīng)不能滿足需求。由于智能監(jiān)控不需要在人為干預情況下對攝像機采集的圖像序列進行自動分析，因此成為未來發(fā)展的趨勢。
　　論文主要研究運動目標檢測、跟蹤技術，并且圍繞智能監(jiān)控系統(tǒng)中的實際應用展開論述。一方面，對監(jiān)控系統(tǒng)記錄的視頻進行智能分析，提取感興趣目標。另一方面，自動控制攝像機對目標進行實時跟蹤，擴展監(jiān)控范圍。
　　首先，論文研

2、究基于背景建模的運動目標檢測算法。根據(jù)算法采用的基本原理將其分為四大類，并在每一類中選擇幾種典型算法進行詳細介紹，相應地給出實驗結果和分析。對混合高斯模型算法中存在的不足進行了闡述，并給出改進方法?？紤]到原有算法沒有利用空間和時間相關性，提出了一種利用鄰域信息計算先驗概率的方法。該方法能夠有效地削弱圖像噪聲、攝像機晃動、樹葉擺動等干擾對檢測結果的影響，同時提高目標分割的完整性。
　　其次，論文研究目標跟蹤算法。介紹了幾種典型算法:

3、卡爾曼濾波，LK光流法，Camshift以及基于Tracking-Learning-Detection的方法等。給出算法的基本原理，對算法進行實驗分析。
　　論文還介紹了基于視頻的行人車輛檢測與分類的具體應用。該應用可以分為圖像預處理、目標檢測、跟蹤、分類和模型估計五個階段。目標分類階段提出一種以目標面積為特征，采用EM聚類來實現(xiàn)行人車輛分類的方法。模型估計階段，利用統(tǒng)計歷史信息，對場景中不同位置目標面積進行擬合。最后根據(jù)應用需要