视频序列中的目标检测

《视频序列中的目标检测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、视频序列中的目标检测　　摘要：重点研究视频序列中运动目标的提取、跟踪、分类等问题，最终实现了一个完整的目标检测系统。首先，考虑到算法的复杂度和检测的实时性需求，优选了背景差与帧差相结合的检测方法，通过背景实时更新，达到了一个较好的检测效果。其次，充分考虑了卡尔曼滤波跟踪的简单、高效等特性，通过计算当前目标与候选目标之间的欧氏距离来寻找最佳匹配目标和区分相交物体。再者，提出了一种先用Adaboost算法获得各个目标的初分类，再采用BP神经网络对目标进行细分类的方法，实践证明，该方法在保证对绝大部分人、自行车、汽车有很好的分类效

2、果外，对大部分杂物也能有较好的区分。最后，通过Matlab编程，设计并实现了一个完整的运动目标检测系统。　　关键词：目标提取；目标跟踪；目标分类；目标检测系统　　中图分类号：TN919?34文献标识码：A文章编号：1004?373X（2015）19?0068?04　　Abstract：Theextraction，trackingandclassificationofmovingtargetinvideosequencearestudied，andawholetargetdetectionsystemwasachieved.C

3、onsideringthecomplexityofthealgorithmandthereal?timerequirementofthedetection，thedetectionmethodcombiningbackgrounddifferencewithframedifferenceisoptimizedandselected，andabetterdetectioneffect7wasachievedbyupdatingthebackgroundinreal?time.SinceKalmanfilteringtracki

4、ngissimpleandefficient，theEuclideandistancebetweencurrenttargetandcandidatetargetiscalculatedtosearchforthebestmatchingtargetanddistinguishintersectingtarget.Anovelmethodisproposed，whichappliesAdaboostalgorithmtoacquirethepreliminaryclassificationofeachtarget，andma

5、kesuseofBPneuralnetworktoclassifythetargetindetail.Thepracticalresultsprovethatthismethodcanensureapreferableclassificationeffecttomajorityofpersons，carsandbikes，anddistinguishmostvariabetter.AnintegraldetectionsystemofmovingtargetwasdesignedandimplementedbyMatlabp

6、rogramming.　　Keywords：targetextraction；targettracking；targetclassification；targetdetectionsystem　　0引言　　视频智能监控是计算机视觉领域中一个重要的研究分支，它以其准确、直观、实时和捕获信息丰富被应用于许多场合，关系到社会的安全防范和国家的长治久安。其中，基于图像序列的运动目标检测与跟踪技术是视频监控领域中的重中之重，也是计算机视觉系统中不可或缺的关键技术。近年来，有大量的运动目标检测算法相继被提出，目前，常用的运动目标检测方法

7、可以归类为：光流法[1?2]（OpticalFlow）、背景差法[3?4]（BackgroundSubtraction）和帧差分法[5?6]（Frame7Difference）等，其中常用的背景模型包括混合高斯模型[7]、码本模型[8]等。目标跟踪系统可被认为是一个线性的、离散的高斯马尔科夫系统，通过一定的假设与估计，可对目标的状态方程与观测方程进行求解，从而达到目标跟踪的效果。如今研究较为热门的跟踪技术有：卡尔曼[9?10]（Kalman）滤波跟踪、均值偏移[11]（Mean?Shift）跟踪、粒子滤波（PF）[12]跟踪

8、等。运动目标分类的主要目的是对检测到的前景区域所表示的目标类型进行区分，以备对不同类的目标进行不同的处理。　　目前常用的分类方法主要包括神经网络[13]、Adaboost算法[14]和支撑向量机（SVM）[15]等。本文考虑到视频监控处理中所应满足的实时性和精确度要求，分别从运动目标检测、