基于动态图像序列的运动目标检测与跟踪

• 作 者: 许洲
• 机 构: 华南农业大学
• 出 处: 华南农业大学
• 发表日期: 2005年期
• 关键词: 目标检测 目标跟踪 自适应背景模型 卡尔曼滤波 粒子滤波

　　近十几年来，基于动态图像序列本文利用视觉信息在时间和空间上的相关性，主要研究运动目标检测与跟踪的相关模型及算法。
　　对三种常用的运动目标检测算法进行研究，讨论各方法的原理并通过实验分析比较各自的优缺点。在此基础之上提出了一种基于自适应背景模型的运动目标检测方法。将以上运动检测算法应用于多组自然环境条件下拍摄得到的图像序列进行车辆检测和人体运动检测。实验结果表明这种自适应的背景模型运动检测算法是有效、准确的。
　　建立了目标跟踪的卡尔曼滤波器模型，对根据运动检测算法从序列图像中检测出的运动目标进行轨迹跟踪。通过卡尔曼滤波器进行运动估计，从而减少噪声干扰和特征提取的搜索范围，提高了算法的效率。
　　讨论了在贝叶斯框架下一般的目标跟踪问题，给出了蒙特卡罗粒子滤波的通用算法，对基于顺序重要性采样的粒子滤波算法进行了详细推导和总结，将粒子滤波与主动轮廓模型相结合应用于复杂背景下人体头部运动的跟踪。实验结果表明粒子滤波算法能解决非线性、非高斯估计问题，基于粒子滤波的跟踪算法能在复杂背景下实现对目标的跟踪。