视频跟踪技术研究

《视频跟踪技术研究》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、摘要视频跟踪是近年来新兴的一个研究方向，它融合了计算机视觉，模式识别，人工智能等学科的技术，在安全监控，智能交通，视频压缩与检索等方面有广阔的应用前景。视频跟踪系统以图像序列为输入，输出则是图像中目标的各种属性，如目标大小，位置，速度等。在理想情况下，这些输出信息都应该是实时的、准确的。然而，在现实世界中，由于各种干扰的存在，往往很难达到理想状态。本文所做的主要工作就是构建一个视频跟踪系统，使其能够有效抑制在现实世界中存在的种种干扰。本文首先介绍了视频目标检测的几种常用算法一一帧间差分法、背景差分法、光流法和主动轮廓法。前两种方法原理简单、容易实现，应用非常广泛；后两种方法对于

2、噪声环境和运动背景等情况更加有效，但是原理复杂，计算量较大。然后我们介绍了常用的滤波技术，重点是以贝叶斯递推估计和蒙特卡罗方法为基础的粒子滤波。在前两章的基础上，提出了一种新的视频目标跟踪算法，它以粒子滤波为框架，融合观测数据中的颜色信息与运动信息，有效地提高了算法的鲁棒性和跟踪的准确性。此外，还研究了视频中阴影处理的问题。阴影对于视频跟踪系统是一种严重的干扰，尤其是在一些测定目标尺寸的应用中，因此对阴影处理的研究是一项很有意义的工作。关键词：视频跟踪粒子滤波目标检测阴影处理AbstractVisualtrackingisanewarisingresearchtaskinrec

3、entyears，whichimegrat龉technolo西嚣ofcomputervision，patternrecognition,artificialintelligenceandSOon．Ithasalotofpotentialapplicationsinsecuritysurveillance，intelligenttrafficsystem，videocompressionandindex，etc．Imagesequencesaretheinputofvisualtrackingsystem，andthesystemreturnsSOmeattributes(siz

4、c，position,velocityandSOon)oftheobject．Ideally,alltheinformationshouldbeoutputtedinreal-timeandaccurately．Butinrealworld，itisveryhardtogettheidealoutputbecauseofnoises．Inthispaper,wepresentavisualtrackingsystem，whichCallresistnoisesinrealworld．First，severalcommonalgorithmsinvisualobjectdetec

5、tionareintroduced—framedifference，backgroundsubtraction,opticalflowandactivecontour．Thefirsttwomethodsaresimpleinprincipleandeasytoimplement，SOtheyhavealotofapplications．Theothertwomethodshavebetterperformancesinbackgroundnoisesandmovingbackground，buttheyagecomplicatedandcomptutationallyinte

6、nsive．ThenwewillintroduceSOmeconlnlon·usedfilteringtechniques．ParticlefilterwhichisbasedonBayesianestimationandMonteCarlomethodwillbeemphasized．Onthebasisoflasttwochapters，anewalgorithm，whoseframeisparticlefilter,isproposed．Thecolorinformationandmotioninformationwillbefusedinouralgorithm，whi

7、chCallimprovetherobustnessandtheaccuracy．Besidesthat，wewilldiscussshadowinvideos．Shadowhasgreatimpactonvisualtrackingsystem，especiallyinsomeapplicationsthatneedtomeasurethesizeoftheobject．Itisameaningfuljobtodealwithshadow．Keywords：visualobjecttrac