论文部分内容阅读
近年来,数字图像处理和计算机视觉发展十分迅速,目前正广泛地应用于军用和民用等各个领域,例如重要场所的安全监控、工业生产过程动态监视,动态机器人视觉等等,它是智能机器获取外部信息和理解世界的重要途径。运动检测与目标跟踪是计算机视觉中两个最重要的应用,所以具有很大的现实意义和实际价值,这也是本文的研究内容。本论文的选题是山东省计算中心的一个内部课题:智能视频监控。其目的是设计出能适用于多种复杂场景,能排除干扰,具备实时和自适应能力的运动物体的检测与跟踪算法,为智能视频监控中更复杂的其他工作提供有效的依据,从而提高智能监控的自动化、现代化水平。本文的主要工作内容如下:①对于运动检测,本文首先提出了一种仿单高斯建模的单帧阈值选取算法,这是一种比较适合室内等运动背景比较简单的视频场景的阈值选取算法,使用简单快速,而且可以完整的提取运动物体的特征点。在此基础上针对背景复杂的视频序列,我们又提出了一种综合阈值选取算法,此算法可有效地弥补时间差分法自身无法克服的空洞现象,提取完整的目标特征,同时,从根本上抑止了背景干扰,对背景简单和复杂的环境适用力都很理想,实现准确实时的目标检测,提高了目标检测的鲁棒性。②对于运动检测后期的区域合并工作,本文提出了一种最短距离区域合并算法,用于结合被分离的运动目标的区域。现在通常的算法是用两个相邻区域中心点的距离是否满足阈值的要求来判断这两个区域是否属于同一个运动前景目标,而本文采用计算相邻区域间的最短距离对两个运动区域之间的关系进行更准确细微的定位,从而提高运动检测的正确率。③对于运动跟踪,本文提出了一种改进的Camshift跟踪算法。针对Camshift自身存在的问题,从准确预测目标位置及缩小目标搜索范围入手对Camshift算法进行了改进,该算法使用运动目标加速度运动位移方程预测下一时刻目标可能出现的位置,使用预测位置误差方程估计运动目标搜索范围,并使用IIR滤波器对目标运动速度、加速度等参数自适应地修正。实验证明,改进的Camshift有效地克服了Camshift算法自身的缺陷,即使当运动目标做加速运动时,也可准确地预测运动目标的位置,缩小目标搜索范围,进而提高目标跟踪速度。