基于混合高斯模型和Kalman滤波器的运动目标检测与跟踪

运动目标的检测与跟踪是视频处理的热点,随着人工智能和信息技术的发展,运动目标的检测与跟踪在军事、工业、智能人机交互、智能交通和科学研究等诸多领域得到了广泛的应用。在对该技术的研究现状和存在问题进行深入分析的基础上,以提高检测与跟踪效果的准确性和稳定性为目标,本论文着重以混合高斯建模法和卡尔曼滤波器为切入点,对其进行了深入研究并做出了改进。论文的主要工作如下: 首先,对目前的运动目标检测算法中的对称差分法和光流法进行了系统研究。光流虽然实时性较差,但其不仅携带了运动物体的运动信息,还携带了有关景物结构的丰富信息,能够在不知道关于场景的任何信息的情况下,检测出运动对象,因此光流法是对其它的目标检测算法的很好的补充,论文将对称差分法与光流法相结合,提出一种基于光流和差分的目标检测算法,并进行了实验分析。 其次,由于混合高斯模型能对复杂背景建模,能适应背景的变化并满足实时性的要求,论文对混合高斯建模法进行了大量实验,针对其检测结果存在空洞、噪声较大等缺点,做出相应的改进和补充。在此基础上对得到的前景物体用多边形拟合算法得到轮廓,将包含在大轮廓内部的较小轮廓进行填充,减少了前景目标的空洞。实验表明,用该方法提取出的前景目标更完整更清晰。 最后,运动目标的跟踪方面,用论文的基于混合高斯的检测算法所得结果作为输入,结合目标的外部轮廓、形状、尺寸、空间矩等信息,用块检测器去检测混合高斯法得到的前景图中足够大的块,记录下各块的外观特征,再以卡尔曼滤波器为算法依据,完成了相关实验,得到了较好的跟踪效果。