论文部分内容阅读
近年来，随着“平安城市建设”项目与“科技强警”战略的实施，在我国各个城市都已安装了大量的监控摄像头。通过视频监控，可以在很大程度上减少违法犯罪行为，保障着人们的日常生活。然而，大量的监控设备必然会产生大量的监控数据，如何能够有效地利用这些视频数据并快速获得所需的信息，便成为一个亟需解决的问题。在传统监控视频处理中往往采用人工查找的方法，这通常需要耗费大量的人力物力，且效率比较低下。因此，如何采用计算机对视频数据进行处理并快速获得所需要的信息便成为近年来机器视觉的一个研究热点。
在视频内容研究领域中运动目标检测与目标跟踪是基础性研究，在这两方面都已有大量的研究成果。然而，基于视频环境的复杂性，许多问题仍然未得到完全解决。本文通过对运动目标检测与目标跟踪算法相关问题进行研究，提出了基于超级像素的运动目标检测与目标跟踪算法。本文的具体研究内容与创新点如下:
1.研究分析超级像素相关算法，提出了一种基于K-means的超级像素改进算法。实验结果表明改进后地算法能更好的保留图像边缘，使得图像分割更为准确。
2.提出了一种基于超级像素的运动目标检测算法。通过在图像超级像素块中提取纹理特征与颜色特征建立背景模型，进而完成运动目标检测任务。实验结果表明该算法相对于基于点特征的运动目标检测算法能够有效地减少虚警率，并保证检测目标的连续性;相对于基于区域的运动目标检测算法该方法能较好的保留目标的边缘。
3.提出了一种基于超级像素的目标跟踪算法。在大多数基于特征点的目标跟踪算法中，往往会出现因为特征点匹配丢失导致的目标跟踪失败问题。对此，本文引入了超级像素算法，通过利用同一个超级像素块中所有像素点属于同一个物体的特性，对图片中未匹配的特征点依据其所在的超级像素块中已匹配特征点的属性进行目标判定，并将其用于后续跟踪中。实验结果表明该算法可在很大程度上减少用于目标跟踪的特征点丢失，从而提高了算法跟踪准确率。