運(yùn)動目標(biāo)檢測與跟蹤技術(shù)是計(jì)算機(jī)視覺的重要分支,廣泛應(yīng)用于智能視頻監(jiān)控、無人駕駛等多個領(lǐng)域。背景減除法作為一種經(jīng)典的目標(biāo)檢測算法,在簡單場景下具有較好的檢測效果,但當(dāng)場景較為復(fù)雜時,檢測效果并不理想。因此,本文以基于ViBe建模的背景減除法為基礎(chǔ),對復(fù)雜環(huán)境下的運(yùn)動目標(biāo)檢測與跟蹤進(jìn)行研究。首先,本文簡單介紹了涉及到的圖像處理技術(shù);深入研究了幀間差分法、光流法和背景減除法三種常用的運(yùn)動目標(biāo)檢測算法;對背景減除法中的四種背景建模方式進(jìn)行實(shí)驗(yàn)對比及定量分析,確定了ViBe建模的優(yōu)越性。然后,針對傳統(tǒng)ViBe算法存在的易出現(xiàn)“鬼影”現(xiàn)象、易受動態(tài)背景干擾等問題,改進(jìn)出一種基于LaBGen的自適應(yīng)閾值ViBe算法。該算法把LaBGen方法生成的背景圖像作為背景模型初始化的輸入幀,利用當(dāng)前像素點(diǎn)的樣本集方差去自適應(yīng)的改變其半徑閾值,實(shí)驗(yàn)表明,本文算法能有效避免“鬼影”現(xiàn)象且在動態(tài)背景下效果有一定的提升。最后,為消除陰影對后續(xù)跟蹤的影響,結(jié)合色度特征和梯度特征對陰影檢測并去除;針對KCF跟蹤算法存在的初始化跟蹤框需要人為設(shè)定、目標(biāo)被遮擋會導(dǎo)致跟蹤失敗等問題,將改進(jìn)的ViBe檢測算法和KCF跟蹤算法結(jié)合...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1-1交通智能監(jiān)控

隨著人工智能的高速發(fā)展，計(jì)算機(jī)視覺已經(jīng)成為該領(lǐng)域落地最順利的技術(shù)產(chǎn)業(yè)。運(yùn)動目標(biāo)檢測和跟蹤作為計(jì)算機(jī)視覺的一個重要分支，其在交通視頻監(jiān)控、無人駕駛、國家戰(zhàn)爭和安全等方面的應(yīng)用將會越來越成熟[1]。在社會交通治安方面，交通智能監(jiān)控系統(tǒng)可以把道路附近大量的數(shù)據(jù)進(jìn)行匯總交換，通過對交通行....

圖1-2無人駕駛客車

隨著人工智能的高速發(fā)展，計(jì)算機(jī)視覺已經(jīng)成為該領(lǐng)域落地最順利的技術(shù)產(chǎn)業(yè)。運(yùn)動目標(biāo)檢測和跟蹤作為計(jì)算機(jī)視覺的一個重要分支，其在交通視頻監(jiān)控、無人駕駛、國家戰(zhàn)爭和安全等方面的應(yīng)用將會越來越成熟[1]。在社會交通治安方面，交通智能監(jiān)控系統(tǒng)可以把道路附近大量的數(shù)據(jù)進(jìn)行匯總交換，通過對交通行....

圖1-3導(dǎo)彈定位打擊[2]

隨著人工智能的高速發(fā)展，計(jì)算機(jī)視覺已經(jīng)成為該領(lǐng)域落地最順利的技術(shù)產(chǎn)業(yè)。運(yùn)動目標(biāo)檢測和跟蹤作為計(jì)算機(jī)視覺的一個重要分支，其在交通視頻監(jiān)控、無人駕駛、國家戰(zhàn)爭和安全等方面的應(yīng)用將會越來越成熟[1]。在社會交通治安方面，交通智能監(jiān)控系統(tǒng)可以把道路附近大量的數(shù)據(jù)進(jìn)行匯總交換，通過對交通行....

圖1-4目標(biāo)檢測方法

研究現(xiàn)狀十年，各領(lǐng)域的人員對運(yùn)動目標(biāo)檢測和跟蹤展開了深入的研每年都有很多關(guān)于目標(biāo)檢測與跟蹤的文獻(xiàn)發(fā)表，并且越來越際的應(yīng)用領(lǐng)域中。標(biāo)檢測研究現(xiàn)狀檢測是視頻監(jiān)控應(yīng)用中必不可少的一步。目標(biāo)檢測是識別視且對這些對象的像素進(jìn)行聚類，檢測的對象一般是路過的行標(biāo)檢測可以得出運(yùn)動對象的速度大小，....

本文編號：3974260