论文摘要
在人所感知到的环境信息中，视觉信息占了非常大的比重，其中动态视觉信息更是其主要组成部分。感知环境中的这些动态视觉信息已成为计算机视觉的一个重要的研究方向。运动目标检测与跟踪是应用视觉和运动图象编码研究领域的一个重要课题，在许多领域有着广泛的应用。 运动目标检测与跟踪的研究对象是视频序列，或者说图象序列。运动目标检测就是判断视频序列中是否存在运动目标，并确定运动目标的位置：运动目标跟踪是指在整个视频序列中监控运动目标的时空变化，如目标的出现与消失，目标的位置、尺寸和形状等。运动目标的检测与跟踪是紧密关联的两个过程，跟踪始于检测，而目标在后续图象序列中的重复检测也有助于目标的跟踪。由于光照变化、背景干扰、阴影、摄像机的抖动以及运动目标之间遮挡等现象的存在，都给运动目标的正确检测与跟踪带来了极大的挑战。 本文在总结和分析现有运动目标检测与跟踪方法的基础上，重点研究摄像头固定情况下运动目标的检测与跟踪技术。论文主要工作包括： 1、提出一种基于边界的运动目标检测算法。首先通过帧间差分和自适应阈值得到二值差分图象，经形态滤波提取出运动变化区域，然后结合当前帧的边界信息确定运动目标的边界，最后由区域填充得到连通的运动目标区域并检测出运动目标。 2、改进了一种基于块处理技术的背景重建算法。根据视频序列的帧间信息，以平均亮度和图象能量为约束条件，实现摄像头固定情况下图象序列的背景重建。实验结果表明，改进后的背景重建算法在保持原算法所需帧数较少，重建效果好的基础上，提高了重建速度。 3、在总结常用的基于差分图象的运动目标检测方法的基础上，构造了一种实用性较好的基于差分图象的运动目标检测框架，通过变化检测、形态滤波和连通单元标记三个步骤实现运动目标的检测。不同差分方法下的实验结果表明，这种基于差分图象的运动目标检测框架是行之有效的。 4、对运动目标跟踪作了初步研究，给出一种基于Kalman滤波的运动目标跟踪算法，通过目标检测、目标运动估计和目标匹配与跟踪三个模块实现运动目标的跟踪。目标检测模块判断图象序列中运动目标的存在性，描述目标的形状特征(如运动目标的位置，目标外接矩形的大小)；目标运动估计模块利用Kalman滤波器预测被跟踪运动目标在下一帧中可能处于的位置，确定目标搜索范围；目标匹配模块寻找运动目标在图象序列各帧中的对应关系，确定目标的运动轨迹。