基于背景建模的运动目标检测与跟踪算法的研究

《基于背景建模的运动目标检测与跟踪算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安科技大学硕士学位论文基于背景建模的运动目标检测与跟踪算法的研究专业名称：应用数学作者姓名：石丹指导教师：张卫国；杨晓强学位论文独创性说明本人郑重声明：所呈交的学位论文是我个人在导师指导下进行的研究工作及其取得研究成果。尽我所知，除了文中加以标注和致谢的地方外，论文中不包含其他人或集体已经公开发表或撰写过的研究成果，也不包含为获得西安科技大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。学位论文作者签名：日期：论文题目：基于背景建模的运动目标检测与跟

2、踪算法的研究专业：应用数学硕士生：石丹(签名)指导教师：张卫国、杨晓强(签名)摘要运动目标检测和跟踪是智能视频监控的基础和前提，其在交通、军事、工业以及医学等各个领域具有广泛的应用前景。运动目标检测是指在视频图像中判断是否有前景目标的运动，如果有运动目标的存在，则对其进行初始定位。运动目标检测性能的好坏直接影响到后续跟踪的准确性和有效性。因此，本文在背景建模的基础上对运动目标检测与跟踪算法进行了深入研究。本文首先研究了处于变速和光照突变情况下的目标检测算法，分析了处于变速运动情况下的目标尺寸、速度和停留时间与背景学习率之间的关系，

3、提出了分区域采用自适应学习率更新背景模型的改进方法。针对监控场景中存在光照突变和阴影区域的情况，本文在结合双阈值Ostu分割方法和阴影抑制模型的基础上，利用三帧差分法对光照不敏感的特性，提出改进的三帧差分算法。经过实验，结果表明改进算法能够完整、准确地检测出运动目标的轮廓，具有较好的鲁棒性。其次研究了传统的基于MeanShift算法的目标跟踪问题。针对传统MeanShift算法在复杂背景环境中容易造成跟踪失败的情况，本文提出了改进的MeanShift跟踪算法。该算法以目标的质心和LBP纹理作为特征值。经过实验，结果表明改进的跟踪算

4、法有效地改善了传统MeanShift跟踪算法中丢失像素点所在空间位置信息的不足，提高了算法的稳定性和鲁棒性。关键词：运动目标检测；三帧差分法；混合高斯模型；Meanshift跟踪算法研究类型：应用研究Subject：ResearchoftheMovingObjectDetectionandTrackingBasedonBackgroundModelingSpecialty：AppliedMathematicsName：ShiDan（Signature）Instructor：ZhangWeiguo,YangXiaoqiang（Sig

5、nature）ABSTRACTMovingobjectdetectionandtrackingarethebasisandprerequisiteforintelligentvideosurveillance,anditcanbeappliedwidelyinfieldsoftransportation,military,industryandmedicine.Movingobjectdetectionisadetectingprocesswhichreferstojudgewhetherthereisaforegroundobj

6、ectinvideoimagemovement,andthenlocateitsinitialpositionifforegroundobjectexists.Theperformanceofmovingobjectdetectionhasadirectimpactonthetrackingaccuracyandeffectivenessofthefollow-upprocess.Therefore,wehavemadeain-depthresearchonthemovingobjectdetectionandtrackingal

7、gorithmonbasedofbackgroundmodeling.Firstlywemadeastudyofthedetectionmethodswhichobjectisunderthesituationofvariablespeedandlightmutation.Inthecaseofmovingobjectisinavariablemotion,wewillanalyzetherelationshipbetweenthemovingobjectsize,speed,dwelltimeandthebackgroundle

8、arningrateandproposeanimprovingmeasurewhichadoptdifferentlearningratetoupdatebackgroundmodelindifferentareas.Whentherehaveth