论文部分内容阅读
在日益追求自动化的今天,人们迫切需要设计一种自动对场景中运动目标进行实时监视的高智能化监控系统,这种系统一般具有运动目标检测和跟踪等自主功能。运动目标检测是监控系统设计的首要问题,其目的是将视频流中的变化区域从背景中提取出来,它直接影响着后续跟踪的效果。目标跟踪可以提供被监控目标的运动轨迹,也为目标的运动分析提供了可靠的数据信息。本文在借鉴相关领域技术的基础上,主要做了以下工作。在运动目标检测研究方面,针对单模态背景视频图像,提出了一种基于反馈信息的运动目标检测算法。融合相邻帧信息和背景估计信息重建背景,使用基于在线Otsu阈值分割算法提取运动目标。该方法背景重建的速度快,准确率高,能满足快速检测的需要。针对多模态场景下的视频图像,研究了两种检测算法:一是基于高斯混合模型的在线运动目标检测,提高了算法的运算速度;一是基于在线支持向量回归的运动目标检测,改进了算法的精确度。在运动目标跟踪研究方面,首先综合利用多个目标特征的相关信息建立贝叶斯网络结构模型,利用估计的匹配概率进行跟踪,实验结果显示该算法准确性较高。接着重点研究了基于目标颜色直方图特征的均值偏移目标跟踪算法,在此基础上提出了一种距离和置信度加权的目标颜色直方图,并结合改进的均值偏移算法来实现运动目标的跟踪,提高了目标跟踪的可靠性。最后给出了运动目标检测和跟踪算法的组合框架,使得检测到的目标区域和跟踪到的目标位置更加准确可靠。