论文部分内容阅读
计算机视觉与图像处理是当今计算机科学领域的一个热门研究方向之一,在交通视频监控、航空航天、机器人视觉、医学图像分析等领域有着很重要的应用,因此目前已被广大学者认为是非常有发展前景的学科之一。虽然很多学者对这一课题研究的内容已经做了大量的研究,但仍有一些问题尚未解决,所以对本课题的深入研究存在着重要的理论意义和实际的价值。本文在研究基本的基于图像序列的运动目标检测算法和运动目标跟踪算法的同时,也对国内外该领域常用的算法做了进行了相应的改进和完善。在文中首先介绍了基于图像序列的运动目标检测与跟踪算法的发展及国内国外研究现状,并介绍了目标图像处理过程中相关的预处理理论,如灰度变换、二值化、图像去噪和数学形态处理,这些处理方法对目标检测与跟踪算法的改进提供重要的理论知识基础。在运动目标检测方面,本文重点介绍了光流法、背景减除法(背景差分法)以及帧间差分法。比较它们各自的优缺点,如光流法需要硬件条件的支持,传统的二帧差法容易导致运动目标区域被拉长、内部产生大面积空洞等缺点,针对二帧差的缺点提出三帧差法,但是三帧差法可能导致目标轮廓不清晰的情况,针对这些问题,本文提出五帧差法检测目标,能够得到比较准确的目标形状、更多的轮廓像素点。运动目标跟踪方面,目前来讲,在跟踪领域Mean shift算法比较常见,它的不足之处就是在目标被遮挡下会失效,本文详细介绍Kalman(卡尔曼)滤波算法理论及(ExtendKalman)扩展卡尔曼滤波算法的基本理论、Mean shift(均值漂移)算法、Shadowing filter算法的基础上,证明了Shadowing filter对目标轨迹估计的效果强于扩展卡尔曼滤波技术,从而优越于卡尔曼滤波技术。针对单独使用Mean shift时的缺点将卡尔曼滤波与Mean shift相结合实现对目标的准确跟踪,并将卡尔曼滤波与Mean shift相结合在一起解决目标在遮挡后丢失的问题,并将预测能力较强的Shadowing filter与Mean shift相结合对遮挡下目标的跟踪,提高了对遮挡下的目标的正确跟踪。并通过Matlab软件仿真算法性能,结果证明改进后的检测与跟踪算法有较为理想的可靠性和鲁棒性。