论文部分内容阅读
视频序列中的运动目标检测与跟踪技术是计算机视觉领域研究的热点问题之一。它通过对视频序列中各帧图像的处理与分析,实现对运动目标的检测、定位与跟踪,以获得运动目标的状态参数,为更高层次的行为理解提供数据依据。随着算法理论与硬件处理技术的不断发展,目标检测与跟踪技术已广泛应用于武器导航、小区监控、智能交通、辅助驾驶、人机交互等领域。因此,对视频图像序列中运动目标检测与跟踪技术的研究具有很高的实用价值。本文主要的工作可概括如下:在运动目标检测方面,采用一种帧间差分与背景差分相结合的算法。该算法根据连续视频图像序列的逐帧差分结果来重构背景,并进行实时的背景更新,能够在含有运动目标的视频序列中较好的提取出背景,从而利用背景差分检测出运动目标,再经过形态学处理,消除噪声的影响,使得提取出的目标状态信息完全满足后续处理的需要。作为本文的研究重点,在运动目标跟踪方面,为了解决目标跟踪中的遮挡问题,本文有效的结合了Mean Shift算法和粒子滤波算法。改进的算法利用Mean Shift算法的聚类作用对样本粒子分布进行优化,将粒子聚集在更靠近目标真实位置的区域,从而更有效的描述目标状态,使得用较少的粒子也能体现出粒子滤波算法的鲁棒性。该算法在满足实时性要求的前提下,很好的解决了目标跟踪中的遮挡问题。最后,在前面算法研究的基础上,完成了运动目标检测与跟踪系统的设计。硬件部分采用SEED_DEC643开发平台,该平台以TI公司的DM643芯片为核心。软件部分在基于RF5框架的CCS集成开发环境中进行,并详细介绍了算法的实现过程。