基于自适应混合高斯模型的运动目标检测与跟踪算法研究

• 作 者: 郑加敏
• 出 处: 重庆邮电大学
• 发表日期: 2017年期
• 关键词: 目标检测 目标跟踪 混合高斯模型 卡尔曼滤波 阴影去除

运动目标的检测与跟踪是智能视频监控相关研究领域的核心问题,且具有广泛地应用前景。然而在目标检测与跟踪过程中,光照的变化、物体的阴影、目标之间的遮挡等一系列外界的干扰严重影响了其效果。因此运动目标检测与跟踪算法的研究一直是智能视觉领域的一个热点研究方向。本论文分析了运动目标检测与跟踪算法的研究现状,并简要介绍了相关的基本理论和技术。在此基础上,针对目前相关研究和应用中出现的一些突出问题,对运动目标检测与跟踪算法进行了深入的研究。针对传统混合高斯模型对场景的适应能力差、无法检测到完整的运动目标、对光照突变场景较为敏感等问题,本文提出了一种基于自适应混合高斯背景模型的运动目标检测的改进算法。该算法首先改进现有的三帧差分法,并利用其进行运动目标区域粗提取,运用动态分割阈值和边缘检测技术,有效地解决对光照突变敏感和目标边缘不连续等问题。其次,在混合高斯模型更新过程中自适应选择混合高斯模型的个数。最后,利用HSV颜色空间进行阴影去除,检测出完整的运动目标。实验结果表明,该算法在实时性,准确率,场景适应能力等方面比现有同类算法都有明显的提高。针对运动目标检测与跟踪算法存在跟踪准确度低,稳定性差的问题,本文提出了一种基于混合高斯背景模型和Kalman滤波的运动目标检测与跟踪方法。该方法首先在背景模型更新中,改变传统权重的学习率机制,使得背景模型能够持续有效。然后将检测得到运动目标的运动信息与质心位置信息作为Kalman滤波器的初始输入数据,使得Kalman滤波器能够开始对目标进行跟踪。最后,在Kalman滤波更新过程中,根据运动目标的状态变化情况确定Kalman滤波器观测噪声协方差矩阵。当运动目标被遮挡时,运用卡尔曼滤波的预测功能继续跟踪目标;当目标再次出现时,利用颜色特征对运动目标进行判定,确定为同一个目标时继续跟踪。理论分析和实验结果表明,该算法能检测并跟踪到运动目标,在准确率、稳定性等方面有较大的提升。