论文部分内容阅读
智能视频监控技术已经广泛应用在生活、商业、国防安全和军事应用等领域中。智能视频监控技术的研究范围非常广泛,包括运动目标检测、运动目标跟踪以及其他部分。本文对运动目标检测和跟踪的算法进行了研究。传统的背景建模算法在运动目标检测过程中容易出现背景模型更新速度慢、模型匹配困难的问题。针对该问题,提出了基于混合高斯模型的背景建模的改进算法。该算法在原有模型基础上引入了背景更新参数,并且通过比较该参数与当前像素值,来判断当前像素是否为背景像素。同时,该算法还对混合高斯模型中的标准差参数设置了下限阈值,不但可以提高模型匹配的数量,而且可以减少不必要的新建模型。通过实验表明,改进的背景建模算法的目标检测准确率有一定的提高。传统的均值偏移算法由于光照的变化容易在跟踪过程中出现跟踪矩形偏移的问题。针对该问题,提出了基于MS算法的改进算法。该算法在MS跟踪算法中引入了对光照变化具有不变性的SURF特征,通过对目标区域和候选区域进行SURF特征提取以及特征匹配,计算出候选区域的偏移量。该算法还引入了Bhattacharyya系数,用来比较由MS算法得出的跟踪结果与由SURF跟踪方法得出的跟踪结果的准确度,选择准确程度最大的作为最后的跟踪结果。通过实验表明,改进的MS算法在光照变化的情况下可以更加稳定的跟踪运动目标。由于运动目标尺寸的改变,在跟踪过程中容易出现跟踪矩形偏移的问题。针对该问题,在改进的MS算法中引入了仿射变换模型。引入仿射变换后的算法通过计算每帧的仿射变换参数来确定运动目标的尺寸和位置,进而来自适应地调整跟踪矩形框的大小。该算法引入了Bhattacharyya系数,将上述结果与由改进的MS算法得出的结果和由SURF特征得出的结果进行比较,选择准确程度最大的作为最后的跟踪结果。通过实验表明,引入仿射变换后的改进MS算法在光照变化以及运动目标尺寸变化的情况下可以更稳定地跟踪目标。