(自然科学)基于视频的运动目标检测与跟踪技术研究

《(自然科学)基于视频的运动目标检测与跟踪技术研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于视频的运动目标检测与跟踪技术研究高琳2010.11内容提要1.研究背景2.主要研究工作3.总结创新处4.进一步研究的内容视频运动目标检测与跟踪是计算机视觉领域中的一个核心问题机器人视频压缩医疗诊断人机交互智能视频监控论文背景论文背景视频监控在银行、电力、交通、安检以及军事设施等领域的安全防范和现场记录报警等方面有着非常广泛的应用。统计数据显示，英国目前有400多万个摄像机，而伦敦的居民平均每个人每天要被摄像机拍摄300次。公安部主导的“平安城市”计划，促进了视频监控市场的迅速增长，全国约有200万个监控摄像机

2、用于城市监控与报警系统。青藏铁路全线1300路通道采用视频分析，对全线铁路进行入侵保护。监控技术发展的三个阶段当今社会信息的高度密集化、复杂化。人们所面临的突发事件、异常事件越来越多传统的人力视频监控已经达不到实时处理突发事件的目的1vs11vsN智能视频监控系统是利用计算机视觉技术，在不需要人为干预的情况下，对视频信号进行处理、分析和理解，并对视频监控系统进行控制，从而使视频监控系统具有像人一样的智能。视频运动目标的检测和跟踪是智能视频监控系统中的关键技术，分别处于整个系统的前期和中期处理阶段，为后期的高层视觉

3、处理提供分析依据。低层视觉处理中层视觉处理高层视觉处理智能视频监视系统的基本框架视频运动目标的检测和跟踪也是近年来的一个研究热点，许多重要国际会议和期刊发表了大量目标检测与跟踪方面的论文。图像处理、计算机视觉的顶级会议和期刊会议ICCV：InternationalConferenceonComputerVisionCVPR：InternationalconferenceonComputerVisionandPatternRecognitionECCV：EuropeanConferenceonComputerVis

4、ion期刊PAMI：IEEETransactionsonPatternAnalysisandMachineIntelligenceIJCV：InternationalJournalofComputerVisionPR：PatternRecognition.TIP：IEEETransactionsonImageProcessingIVC：ImageandVisionComputing利用序列图像在时间和空间上的冗余信息，将场景中的运动目标从背景中分离出来。主要困难在于光照变化、背景物运动干扰、运动目标阴影以及摄像机

5、运动等干扰因素。主要方法：帧间差法光流法背景减除法先对背景进行建模，然后将当前帧与背景模型进行比较，区分出前景和背景。运动目标检测目标跟踪的目的就是通过对视频数据的处理与分析，将图像序列中不同帧内同一运动目标关联起来，从而计算出目标的运动参数，如位置、速度、加速度以及运动轨迹等。视频目标跟踪问题分类：照摄像机的数目：单摄像机跟踪和多摄像机跟踪目标的性质：刚体目标和非刚体目标的跟踪跟踪目标的数目：单目标跟踪和多目标跟踪…运动目标跟踪按照其执行的先后顺序，主要有两种方式：①.先检测后跟踪运动目标检测与跟踪的关系先检测

6、出每帧中的运动目标，然后匹配前后帧中的目标以实现轨迹关联。t时刻t+1时刻首先建立描述目标的特征模型，在起始帧初始化后，不断在后续帧进行匹配搜索。②.边检测边跟踪将目标的检测与跟踪相结合，利用跟踪结果来确定检测所要处理的区域范围，跟踪时则利用检测来获得目标状态的观测。运动目标检测与跟踪的关系(c)(b)(a)内容提要1.研究背景2.主要研究工作3.总结创新处4.进一步研究的内容1.视频运动目标检测基于背景模型的运动检测2.视频单目标跟踪目标表示模型的建立特征空间选择，模型更新，漂移问题3.视频多目标跟踪数据关联，

7、目标之间的相互遮挡主要研究工作视频运动目标检测背景减除法是运动目标检测的主流方法，先对背景进行建模，然后将当前帧与背景模型进行比较，区分出前景和背景。由于背景通常不是静止不变的，会随着环境的变化而变化，如何建立一种能够适应环境变化的背景模型，是背景减除法的研究重点。背景减除法统计背景模型：单高斯模型混合高斯模型非参数模型…单高斯模型：假定每个像素特征在时间域上的分布可以由单个高斯分布来描述混合高斯模型(GMM)：为了描述分布形式更为复杂的背景，有必要应用到多模态的分布形式。经典GMM方法中存在的问题基于像素建模，

8、计算量大忽略了图像结构信息高斯成分数目难以确定GMM改进方法引入MRF非参数密度估计高斯个数自适应选择…GMM模型定义高斯成分每个成分的权重更新权重对于匹配的成分，更新其均值和方差为指示变量，若高斯成分与匹配GMM模型更新，否则GMM模型估计根据对高斯成分进行递减排序前面b个成分作为背景分布，其余成分为前景分布T:背景高斯成分在整个分布中所占的最小比重，可以看成是超像素点