视频图像序列中的运动目标检测与跟踪研究

• 作 者: 赵赛君
• 机 构: 哈尔滨工业大学
• 出 处: 哈尔滨工业大学
• 发表日期: 2011年期
• 关键词: 视频运动目标检测 视频运动目标跟踪 混合高斯模型 粒子滤波算法

对视频图像序列中的多目标进行检测和跟踪一直是计算机视觉研究领域的重点课题,计算机科学技术、信息技术以及图像识别技术等的飞速发展使得视频图像监控技术能够应用在国防军事、国民生产等很广泛的领域。在这种生产需求情况下,本文对视频图像序列中的运动目标检测和跟踪技术进行了研究。粒子滤波算法是一种贝叶斯估计算法,该算法在多目标跟踪领域使用的比较多,它的优势在于能对任何模型的目标状态进行估计。但是粒子滤波算法的不足在于,要想获得比较好的跟踪结果就需要大量的粒子,这样计算量就会很大,本文针对这种情况对粒子滤波算法进行了改进,并用改进后的算法对视频图像序列中的多目标进行了跟踪。本文首先针对非线性非高斯情况下进行目标跟踪,介绍了适用于此种情况的粒子滤波算法的相关原理,包括非线性贝叶斯预测原理、蒙特卡罗原理、粒子滤波原理等,并将粒子滤波算法应用于一维强非线性目标的跟踪之中,实验结果表明,粒子滤波算法能够很好地跟踪非线性目标。其次,本文采用自适应混合高斯模型建模的方法对视频图像序列中的运动目标进行检测。对图像中的每一个像素使用若干个高斯模型进行建模,并且使用EM迭代算法对背景模型进行提取和更新,从而分割出图像中的背景和前景,实现对运动目标的检测。最后,应用形态学滤波对差分结果进行噪声消除,得到满意的检测结果。再次,在实现了背景建模和目标检测的基础上利用粒子滤波算法的改进算法对视频图像序列中的多目标进行了跟踪。多目标相对于单目标来讲,其所在的环境更加复杂,目标之间的相互遮挡、光线变化都可能造成跟踪结果的偏差。本文首先给出了多目标数据关联的原理,提出了一种联合多目标概率密度算法并把该算法与粒子滤波算法结合起来,利用粒子所代表不同目标之间的欧式距离对粒子进行不同划分。最后,将该算法应用在实际环境中,实验结果表明该算法能很好地解决目标遮挡、光线变化等问题,实现了对多目标的正确跟踪。