复杂背景下的运动目标检测技术研究

随着计算机硬件和软件技术的发展，计算机视觉技术受到了人们越来越多的关注。尤其在军事、航空航天、计算机辅助设计、智能机器人等邻域，计算机视觉技术得到了广泛的应用。在计算机视觉技术中，基于视频图像序列的视觉技术是最为重要的，因此也成为人们研究的重点和难点。视频序列中运动目标的检测与跟踪，又是基于视频序列的计算机视觉技术的基础和关键。首先，能否将运动目标从视频图像序列中准确地检测出来，是运动估计、目标识别及行为理解等后续处理成功与否的关键。为了实现运动目标的检测，很多学者进行了相关的研究，并提出了大量的运动目标检测算法。本文在前人工作的基础上，为了实现分割阈值的自动选择，提出了一种自适应的运动目标检测算法，实现了运动目标的自动分割。为了充分利用视频图像序列时间上和空间上的相关性，提出了一种综合利用时空信息的运动目标检测算法，并通过实验证明了该算法的有效性和实时性。对复杂背景下的运动目标检测，本文采用了一种基于统计模式识别思想的算法，并利用该算法对光照变化不明显的环境进行检测，并取得了较好的检测结果。其次，在运动检测结果的基础上，本文利用双向Hausdorff距离度量的多分辨率跟踪算法进行运动目标的跟踪，从实验的结果可以看出，该算法对运动目标的跟踪准确，而且在运动目标之间出现遮挡现象时，也能识别出不同的运动目标并分别予以跟踪，具备一定的鲁棒性。同时，本文还在运动检测与跟踪算法的基础上，利用VisualC#．NET技术与VFW工具包实现了一个运动目标检测与跟踪系统，并通过实际测试确保了系统的可用性和稳定性。 为了更好地组织文章的内容，本文采用如下章节结构： 第一章介绍了计算机视觉技术的概况、研究现状、应用领域以及存在的问题，尤其着重介绍了运动检测与跟踪技术的研究现状、研究价值及存在的问题。 第二章介绍了与视频图像处理有关的数字图像处理的基础知识，包括图像增强、图像滤波、数学形态学、颜色模型等。 第三章介绍了常用的运动检测算法，这些方法可以分为两类：帧差法和背景差分算法。在前人工作的基础上，本文提出了自适应的运动检测算法(AMODA)。为了充分利用视频图像序列的时空信息，在自适应的运动检测算法和对称差分算法的基础上，本文提出了综合利用时空信息的运动检测算法(CSTMODA)。在复杂背景下的运动检测技术方面，本文基于最小类别可分性判据的思想，提出了一种针对光照条件比较稳定情况下的运动检测算法(CBMODA)。 第四章介绍了几种常用的运动跟踪算法，并在原有的Hausdorff距离度量算法的基础上，提出了双向Hausdorff距离度量的多分辨率跟踪算法(BHRMOTA)，较好地解决了遮挡和多目标情况下的运动跟踪问题。 第五章利用Microsoft公司的Visual C#．NET平台和VFW工具包实现了一个运动检测与跟踪系统，并对系统进行了实际的测试。