運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是智能視頻監(jiān)控系統(tǒng)中的重要組成部分,在諸多領(lǐng)域都有廣泛的使用。然而在實(shí)際的檢測(cè)以及跟蹤環(huán)境中往往伴隨著復(fù)雜的情形,算法需要克服復(fù)雜場(chǎng)景的挑戰(zhàn)達(dá)到穩(wěn)定高效的檢測(cè)與跟蹤效果,這就對(duì)算法的性能提出了更高的要求。運(yùn)動(dòng)目標(biāo)檢測(cè)過(guò)程中本文主要對(duì)基于背景建模的視覺(jué)背景提取算法進(jìn)行研究,目標(biāo)跟蹤過(guò)程中本文主要對(duì)相關(guān)濾波目標(biāo)跟蹤算法進(jìn)行研究,具體的研究?jī)?nèi)容如下:（1）視覺(jué)背景提取算法使用視頻第一幀初始化背景模型簡(jiǎn)單高效,但這樣的方式在視頻第一幀出現(xiàn)運(yùn)動(dòng)目標(biāo)時(shí)會(huì)在后續(xù)一定范圍幀中引入鬼影區(qū)域;且算法對(duì)動(dòng)態(tài)背景擾動(dòng)較為敏感,會(huì)將其檢測(cè)為虛假的前景點(diǎn);而背景建模類(lèi)方法不能很好地適應(yīng)光照的變化�；谶@三點(diǎn)進(jìn)行改進(jìn),實(shí)驗(yàn)表明改進(jìn)算法能夠有效應(yīng)對(duì)復(fù)雜場(chǎng)景的挑戰(zhàn)。（2）在核相關(guān)濾波算法的基礎(chǔ)上提出了多策略融合的相關(guān)濾波目標(biāo)跟蹤算法。在決策層面上根據(jù)跟蹤置信度自適應(yīng)融合顏色命名特征,實(shí)現(xiàn)特征的優(yōu)勢(shì)互補(bǔ)以獲取更好的跟蹤結(jié)果;單獨(dú)訓(xùn)練一維的尺度濾波器以應(yīng)對(duì)目標(biāo)的尺度變化;提出了自適應(yīng)更新濾波器的策略。實(shí)驗(yàn)表明改進(jìn)算法在面對(duì)運(yùn)動(dòng)模糊、背景混亂、光照變化、輕微遮擋等情形時(shí)較核相關(guān)濾波算法有較大提升。（3）基于... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：94 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

二維圖像循環(huán)移位示意圖

重慶郵電大學(xué)碩士學(xué)位論文第2章運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤21(4)遮擋問(wèn)題。遮擋問(wèn)題是跟蹤過(guò)程中的常見(jiàn)問(wèn)題，表現(xiàn)為輕微遮擋以及嚴(yán)重遮擋。核相關(guān)濾波算法能夠有效應(yīng)對(duì)部分輕微遮擋的情形，但對(duì)于目標(biāo)出現(xiàn)嚴(yán)重遮擋時(shí)，核相關(guān)濾波算法不能夠?qū)W習(xí)到正確的目標(biāo)樣本，導(dǎo)致模型污染，致使跟蹤結(jié)果漂移到遮擋物上。當(dāng)跟蹤漂移導(dǎo)致跟蹤失敗之后，核相關(guān)濾波算法也沒(méi)有機(jī)制使得目標(biāo)能夠找回。如圖2.5所示為KCF算法在一些復(fù)雜情形下跟蹤失敗的情況。圖2.5KCF算法跟蹤失敗的例子故提高KCF算法在復(fù)雜情況下的跟蹤準(zhǔn)確性具有重要的研究意義。2.4本章小結(jié)本章介紹了經(jīng)典的用于運(yùn)動(dòng)目標(biāo)檢測(cè)的光流法、幀間差分法以及基于背景建模的高斯混合模型，分析比對(duì)了算法的優(yōu)缺點(diǎn)。介紹了相關(guān)濾波目標(biāo)跟蹤算法框架，分析了核相關(guān)濾波算法中嶺回歸、循環(huán)移位以及核技巧的思想，通過(guò)循環(huán)移位的方式使得算法保證了大量負(fù)樣本進(jìn)行訓(xùn)練的同時(shí)可以將時(shí)域的計(jì)算轉(zhuǎn)換到頻域，核技巧則可以解決非線性數(shù)據(jù)的分類(lèi)問(wèn)題。最后分析了核相關(guān)濾波算法的不足之處。

重慶郵電大學(xué)碩士學(xué)位論文第3章基于改進(jìn)視覺(jué)背景提取算法的前景檢測(cè)30(a)分別為視頻的第20、70、117幀(b)分別為ViBe算法的第70、117幀以及改進(jìn)算法的第70幀圖3.4鬼影消除實(shí)驗(yàn)對(duì)比20幀作為首幀到70幀時(shí)，經(jīng)過(guò)50幀之后，ViBe仍殘留了輪廓清晰的鬼影區(qū)域，鬼影消除緩慢，到第117幀時(shí)仍存留了部分殘留的鬼影區(qū)域，而采取前5幀初始化的方式在第70幀時(shí)鬼影就得到了消除。多幀初始化的方式同時(shí)融入了時(shí)域和空域的信息，使初始化的背景模型更具真實(shí)性，加快了鬼影消除的速度。3.4.2背景高頻擾動(dòng)實(shí)驗(yàn)與分析為驗(yàn)證應(yīng)對(duì)背景擾動(dòng)的效果，選取CDnet2014數(shù)據(jù)集[61]中overpass視頻進(jìn)行驗(yàn)證，視頻中存在風(fēng)吹過(guò)樹(shù)枝造成樹(shù)葉擺動(dòng)的高頻擾動(dòng)的影響，對(duì)比ViBe算法以及本文改進(jìn)算法的效果，實(shí)驗(yàn)結(jié)果如圖3.5所示：(a)20幀輸入圖像(b)ViBe算法(c)本文算法圖3.5背景高頻擾動(dòng)實(shí)驗(yàn)對(duì)比圖3.5中ViBe算法在動(dòng)態(tài)背景擾動(dòng)下，錯(cuò)誤地將背景像素點(diǎn)檢測(cè)為了前景像素點(diǎn)，而本文采用的自適應(yīng)匹配閾值的方法雖然處理之后仍然殘留一些前景像素點(diǎn)，

【參考文獻(xiàn)】：
期刊論文
[1]運(yùn)動(dòng)目標(biāo)檢測(cè)的ViBe算法改進(jìn)[J]. 楊丹,戴芳.  中國(guó)圖象圖形學(xué)報(bào). 2018(12)
[2]融合混合高斯模型的改進(jìn)的Vibe算法[J]. 張紅瑞,馬永杰.  西北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[3]基于超像素信息反饋的視覺(jué)背景提取算法[J]. 陳海永,郄麗忠,楊德東,劉坤,李練兵.  光學(xué)學(xué)報(bào). 2017(07)
[4]權(quán)重系數(shù)自適應(yīng)光流法運(yùn)動(dòng)目標(biāo)檢測(cè)[J]. 劉洪彬,常發(fā)亮.  光學(xué)精密工程. 2016(02)
[5]一種結(jié)合幀差法和混合高斯的運(yùn)動(dòng)檢測(cè)算法[J]. 於正強(qiáng),潘赟,宦若虹.  計(jì)算機(jī)應(yīng)用與軟件. 2015(04)
[6]基于光流的動(dòng)態(tài)背景運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J]. 儲(chǔ)珺,施芒,符祥.  南昌航空大學(xué)學(xué)報(bào)(自然科學(xué)版). 2011(03)

碩士論文
[1]基于相關(guān)濾波的空對(duì)地目標(biāo)跟蹤算法的研究[D]. 姜?jiǎng)P文.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2019
[2]監(jiān)控視頻下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D]. 徐彩迪.西安理工大學(xué) 2018



本文編號(hào)：3244261