论文摘要
动态目标检测与跟踪是计算机图像和视频处理的基础,广泛地应用在工业、医学、军事、教育、商业、体育等领域中。本文针对常用智能监控系统中的动态目标检测与跟踪功能难以兼顾可靠性与实时性的缺点,着重讨论和研究了视频监控系统中运动目标检测和目标跟踪的关键技术,并研究了算法在普通个人电脑上的实现。在运动目标检测方面,本文研究和分析了大量的算法,对基于高斯统计模型的背景减法进行了改进,同时提出了一个将普通直方图建模方法与混合高斯模型建模方法相结合的复合检测框架。该框架可以对单模态的背景点建立直方图模型,对多模态的点建立混合高斯模型;另外,本文采用了彩色背景差分方式获取动态目标,并加入了阴影检测等功能使动态目标的获取更加完整,鲁棒性更强。目标跟踪方面,本文采用了一种简单的MLE(Maximum Likelihood Estimation,最大可能性评估)应用来分类目标,为多目标订立了跟踪优先级;在研究了目前常用的几种跟踪算法的基础上,改进了扩展卡尔曼跟踪算法,利用运动检测结果,通过运动区域的质心位置和面积比较来代替复杂的匹配过程,提高了跟踪的运算速度,同时简单有效的解决了复杂运动的情况。为了验证本文中模块算法的有效性,本文为各个模块设计了独立的实验,并采集了大量的视频数据进行对比,实验证明了算法的有效性。最后,本文在上述模块的基础上设计了一个完整的运动目标检测与跟踪系统的软件框架,实现了一个基于个人电脑的实时运动目标检测跟踪系统,并采用该系统进行了综合性能实验,系统实验获得了成功。