论文部分内容阅读
近年来计算机视觉已成为计算机领域的研究热点，而作为计算机视觉重要组成部分的运动物体跟踪也越来越受到人们的重视，其应用领域已经扩展到视频监控系统，车辆跟踪，异常行为检测与报警，图像压缩及编码技术等。运动物体跟踪方法主要包括卡尔曼滤波，Mean-shift，Camshift算法，粒子滤波器，Snake模型等。随着计算机技术的发展，运动物体跟踪已经逐渐应用到我们的实际生活中，是推动智能化进程的关键技术之一。论文的主要工作和创新点在于：
1．对运动物体跟踪方法及国内外该领域的研究进展做了一个较为详尽的综述，并指出了目前跟踪算法所面临的问题。
2．针对现在煤矿矿井事故发生频率高、结果严重以及煤矿矿工的人身安全问题，应用卡尔曼滤波方法设计了一套“煤矿矿工出入自动监测系统”，本系统的设计克服了现有技术的缺点与不足，提供了一种智能化程度高、实时性及准确性好的矿工出入自动监测系统，该系统能够实时、直观地监视和记录矿井进出矿工的人数，进而对井下作业矿工总人数进行监控。
3．提出了一种新的基于高斯混合模型的颜色特征提取方法，该方法克服了现有的Camshift算法(Continuosly Adaptive Meanshift)中跟踪目标特征提取精确度低和计算复杂度高的缺陷，经过实验证明该算法能够有效地提取目标的颜色信息，并且大大提高了跟踪的速度，适应了跟踪算法实时性的要求。