【摘要】：監(jiān)控視頻技術(shù)應(yīng)用廣泛,視頻中的移動(dòng)目標(biāo)檢測及跟蹤是其中的重點(diǎn)和難點(diǎn)。監(jiān)控視頻中的移動(dòng)目標(biāo)可以分為背景提取和前景檢測兩部分,前景檢測即移動(dòng)目標(biāo)的檢測。目前,監(jiān)控視頻的背景提取和前景檢測,仍存在許多的不足�？紤]到SIFT特征點(diǎn)對環(huán)境變化,如亮度變化、光照變化、旋轉(zhuǎn)、噪音等有較好的魯棒性,本文應(yīng)用SIFT算法檢測監(jiān)控視頻中的移動(dòng)目標(biāo)并進(jìn)行跟蹤。針對背景提取,本文通過提取背景的SIFT特征點(diǎn),以特征點(diǎn)的形式去描述“背景”,一定程度上消除環(huán)境變化帶來的影響。針對移動(dòng)目標(biāo)檢測,本文通過背景幀特征點(diǎn)和移動(dòng)目標(biāo)圖像幀特征點(diǎn)的匹配,除去移動(dòng)目標(biāo)圖像幀中的背景特征點(diǎn),得到移動(dòng)目標(biāo)特征點(diǎn),進(jìn)而檢測移動(dòng)目標(biāo)。為了檢測復(fù)雜背景中的移動(dòng)目標(biāo),本文通過適當(dāng)增加圖像幀的特征點(diǎn)數(shù)目和密度,并分塊匹配,然后利用SIFT特征點(diǎn)的位置信息去除小部分匹配沒能去掉的背景特征點(diǎn)。實(shí)驗(yàn)結(jié)果表明,在光照陰影等復(fù)雜環(huán)境下本文方法好于背景差分法,幀間差分法等傳統(tǒng)經(jīng)典算法。最后,在移動(dòng)目標(biāo)檢測的基礎(chǔ)上,本文利用SIFT特征點(diǎn)的性質(zhì),以及SIFT中的位置參數(shù)等信息,通過SIFT特征點(diǎn)匹配進(jìn)行目標(biāo)跟蹤。相比于其他傳統(tǒng)目標(biāo)跟蹤算法如MeanShift跟蹤算法等,本文方法的優(yōu)點(diǎn)是:首先能夠直接在目標(biāo)檢測的基礎(chǔ)上進(jìn)行目標(biāo)跟蹤而不需要預(yù)先給定運(yùn)動(dòng)目標(biāo)或者手動(dòng)選擇目標(biāo)區(qū)域;其次本文跟蹤算法計(jì)算復(fù)雜度低、效率高且對運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)速度不敏感。
【圖文】：

ｙ，（ｊ）＝－￣￣ｒｅ邐（２．２）逡逑１７Ｔ（７逡逑如圖２．１所示，其中，按公式計(jì)算出來的像素組成的模板矩陣與原始圖像繼續(xù)卷積運(yùn)算。逡逑所有像素的值都是通過其周圍鄰近像素值的加權(quán)平均取得的。而原始像素的值有最大的權(quán)重。逡逑而隨著與原始像素距離變大，周圍相鄰像素所占權(quán)重也逐漸減小。相比于其它的圖像濾波器，逡逑高斯模糊很好的保留了圖像的邊緣信息。逡逑圖２．１二維高斯曲面圖逡逑５逡逑

逡逑圖２．１中，高斯曲面任意處的值都大于零。理論上來講，因?yàn)槿我馇嫣幍闹刀即笥诹�，逡逑所以每個(gè)像素去和高斯模糊做卷積運(yùn)算時(shí)都會受到它們的影響，即要把它們也包含在模板矩逡逑陣?yán)锩妗５窃趯?shí)際做法中，考慮到距離中心點(diǎn)越遠(yuǎn)的地方，其值越小，基本接近零。所以逡逑對于離中心點(diǎn)距離大于３倍尺度距離的像素，不將其包含在模板矩陣中，即這些像素的影響逡逑基本可以忽略。通常來講，實(shí)際在編碼實(shí)現(xiàn)時(shí)只需要計(jì)算（６ｃｔ＋１Ｈ６＾＋１）的模板矩陣，便能逡逑得到非常近似結(jié)果。逡逑２．２．２圖像的二維高斯模糊逡逑根據(jù)尺度參數(shù)＜７的值，，通過高斯公式計(jì)算出（６＾７＋１＾６0＇＋：0的二維模板矩陣。然后將模逡逑板矩陣與原圖像進(jìn)行卷積運(yùn)算，即可對原圖像進(jìn)行一定程度的平滑。為了使高斯模板矩陣中逡逑的各個(gè)值在０到１之間，對該模板矩陣進(jìn)行歸一化處理。下圖是５＊５的高斯模板矩陣的取值逡逑情況
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP391.41;TN948.6

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 熊英;;基于背景和幀間差分法的運(yùn)動(dòng)目標(biāo)提取[J];計(jì)算機(jī)時(shí)代;2014年03期

2 盧朝梁;馬麗華;陳豪;;改進(jìn)的SIFT特征匹配算法[J];空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

3 李廣;馮燕;;基于SIFT特征匹配與K-均值聚類的運(yùn)動(dòng)目標(biāo)檢測[J];計(jì)算機(jī)應(yīng)用;2012年10期

4 桑運(yùn)昌;高歆;蔣捷;;未來智能視頻監(jiān)控技術(shù)發(fā)展及應(yīng)用[J];自動(dòng)化與儀器儀表;2012年05期

5 宋夢華;劉珂;徐輝;;基于區(qū)域特征跟蹤法的特征識別研究[J];中國科技信息;2012年11期

6 溫超;耿國華;李展;;基于SIFT特征的文物圖像檢索[J];西北大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

7 陳坤;王璐;儲s

本文編號：2589297