论文部分内容阅读
运动目标检测与跟踪包含了对成像传感器获取到的场景视频图像帧中的运动目标进行实时检测、提取、跟踪等过程,是计算机视觉领域重要的研究课题之一,已广泛应用于军事、智能监控、人机交互和工业控制中。由于实际应用中运动目标本身的不确定性、背景的杂乱性和光照变化等的干扰,目前还不存在某一单独的检测跟踪算法可以成功应用于所有场景中。因此,研究运动目标检测与跟踪算法具有极其重要的理论意义和应用价值。本文针对视频图像序列帧中,单摄像机、单运动目标的检测与跟踪算法进行研究,目的是在提高现有算法精确度的基础上降低其时间复杂度。主要的工作包括:(1)运动目标检测方面,在分析三大主流运动目标检测方法(背景相减法、帧差法和光流法)原理的基础上,针对光照变化敏感的问题,提出了一种基于场景光照不变特征的运动目标检测方法。在该方法中,采用分块机制和改进的局部灰度敏感直方图对物体光照不变特征进行修正并将其作为检测算法的匹配基准引入到目标检测场景中,从而避免了以像素点灰度值为基准的检测算法对光照的敏感。实验结果表明,本文提出的方法在前景虚报率上大大低于固定阈值的背景相减法,可以极大地消除光照变化对检测算法的影响。(2)运动目标跟踪方面,在回顾基于稀疏的目标表示方法、基于粒子滤波的目标定位方法之后,研究了经典的L1跟踪器,针对其时间复杂度高的缺点,提出了一种新的基于稀疏表示的目标跟踪方法。在粒子滤波框架下,将跟踪问题看作为寻求稀疏逼近,采用候选粒子和琐碎模板稀疏再现目标模板并通过L1范数最小化求解,从而使得计算L1范数最小化的次数由目标模板样本数决定。同时通过多目标模板的稀疏相关系数计算激活率代替了传统的重构误差求得候选粒子的相似度。实验结果表明,本文提出的跟踪器与现有的两种跟踪器相比,性能上更稳定;与L1跟踪器相比,时间上提高了80%以上。