基于背景建模的運動目標檢測與跟蹤算法研究.pdf

1、運動目標檢測與跟蹤是智能視覺監控的基礎與前提，其在交通、軍事、工業以及醫學等各個領域具有廣泛的應用前景。其中，靜態場景下的運動目標檢測與跟蹤是應用最廣泛的一個研究熱點。目前，靜態場景下的運動目標檢測最常用的方法是背景減法，其存在的主要問題是，背景的提取與更新，為了建立準確的背景而采用復雜的模型，其計算量大不利于實時檢測；而采用簡單的模型建立的背景不夠準確，不利于目標檢測的準確性。此外，由于是實時檢測，還需考慮模板所占內存空間問題。本文在

2、現有的研究成果上，針對靜態場景下的運動目標檢測與跟蹤的主要問題，對其進行了深入的研究。主要工作如下：
　　1.運動目標檢測方面：
　　本文針對現有的運動目標檢測方法進行了介紹，包括光流場法、幀間差分法以及背景減法。針對背景減法，詳細介紹了常用的經典算法：多幀平均方法、混合高斯模型方法以及碼本算法等；針對混合高斯模型方法的費時以及碼本方法所占內存空間較大的問題，結合兩者的優點，提出了一種基于像素值聚類的背景建模與目標檢測方法。

3、該方法在建立模板期間采用模板替換機制，減少內存的占有量，并且采用背景完成預判節省背景建立的時間，最后采用形態學濾波濾除小噪聲，同時填補目標內部空洞，最后采用積分投影法實現對目標的分割。實驗結果表明，該算法可以很好的檢測出不同場景下的運動目標，在速度和準確性上有一定的提高。
　　2.運動目標跟蹤方面：
　　本文研究了幾種常用的目標跟蹤算法，在此基礎上提出了一種基于Kalman運動預測的改進Mean Shift算法，選取圖像的灰