视频序列目标检测与跟踪技术的研究

在人类生存的环境中,视觉是获取信息、认识世界的重要途径,其中动态视觉信息又是视觉信息的主要组成部分,所以研究动态视觉信息是计算机视觉的一个重要的方向。视频序列运动目标检测与跟踪技术就是利用了视频序列间的动态相关性,因此成为计算机视觉里一个备受关注的前沿课题。 本文对静态背景下运动目标的检测与跟踪技术做了较深入的理论研究和实践工作： 在运动目标检测方面：首先介绍了常用的运动目标检测算法,重点研究了目前在实际应用中普遍采用的帧间差分法和背景差分算法,通过分析帧间差分法和背景差分法各自的特点,实现了Surendra背景更新估计的背景差分法和连续五帧帧间差分法。综合这两种算法的优点,提出了基于Surendra背景差分法和连续五帧帧间差分法相结合的检测方法,该算法能够提取出比较完整的运动目标。 在运动目标跟踪方面：总结了静态背景中运动目标跟踪的成熟算法,重点介绍Kalman滤波理论和Mean shift算法,分别对这两种算法进行了实验,最后综合两种方法的优点,设计出基于目标运动估计的Mean Shift算法,利用Kalman滤波预测出目标在下一帧中可能的位置,确定目标的搜索范围,再用Mean shift算法在搜索范围内寻找运动目标,保证了存在遮挡和相似物体干扰时的对目标的正确跟踪,提高了跟踪的可靠性。