运动目的跟踪算法研究综述.docx

《运动目的跟踪算法研究综述.docx》由会员分享，可在线阅读，更多相关《运动目的跟踪算法研究综述.docx（47页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、运动目的跟踪算法研究综述第卷第期年月计算机应用研究运动目的跟踪算法研究综述张娟，毛晓波，陈铁军郑州大学电气工程学院，郑州摘要：将运动目的跟踪问题分解为运动检测和目的跟踪分别加以讨论，分类描绘了目的跟踪问题的研究现状、研究方法及常用算法，比拟了各种方法的优劣及面临的技术难点问题，并对运动目的跟踪算法的研究前景进行了瞻望。关键词：计算机视觉；运动检测；视觉跟踪；图像序列中图分类号：嘞文献标志码：文章编号：卸，?，如，剧耐廊讲西研矾增，眈蚵，静，饥胁：昭巧，眦，蚰吣，卸，吮砬，：咖叩；蚴；删唔靶运动目的跟踪作为一门跨学科的前沿技术，融合了图像处理、形式识别、人工智能、自动控制等多种不同领域的理论知识

2、。在军事制导、视觉导航、安全监控、智能交通、视频编码、医疗诊断、气象分析及天文观测等诸多领域中有着广阔的应用前景，跟踪算法的研究具有重要的实际意义和理论价值。运动目的跟踪就是在一段序列图像中的每幅图像中实时地找到所感兴趣的运动目的包括位置、速度及加速度等运动参数。在运动目的跟踪问题的研究上，总体来讲有两种思路：不依靠于先验知识，直接从图像序列中检测到运动目的，并进行目的识别，最终跟踪感兴趣的运动目的；依靠于目的的先验知识，首先为运动目的建模，然后在图像序列中实时找到相匹配的运动目的。围绕这两种思路，产生了大量行之有效的运动检测与跟踪算法。但迄今为止，运动检测与跟踪算法的鲁棒性、准确性和实时性的

3、统一还是尚未解决好和正在努力追求的目的。运动目的检测对于不依靠先验知识的目的跟踪来讲，运动检测是实现跟踪的第一步。运动检测即为从序列图像中将变化区域从背景图像中提取出来。运动目的检测的算法按照目的与摄像机之间的关系能够分为静态背景下运动检测和动态背景下运动检测。静态背景下运动检测就是摄像机在整个监视经过中不发生移动，只要被监视目的在摄像机视场内运动，这个经过只要目的相对于摄像机的运动；动态背景下运动检测就是摄像机在整个监视经过中发生了移动如平动、旋转或多自由度运动，被监视目的在摄像机视场内也发生了运动，这个经过就产生了目的与摄像机之间复杂的相对运动。静态背景背景差分法背景差分法是利用当前图像与

4、背景图像的差分来检测运动区域的一种技术。它一般能够提供最完全的特征数据，但对于动态场景的变化，如天气、光照、背景扰动及背景物移人移出等十分敏感，运动目的的阴影也会影响检测结果的准确性及跟踪的准确性。其基本思想就是首先获得一个背景模型，然后将当前帧与背景模型相减，假如像素差值大于某一阈值，则判定此像素属于运动日标，否则属于背景图像。背景模型的建立与更新、阴影的去除等对跟踪结果的好坏至关重要。背景的建模与更新时间平均法是获得背景图像的经典方法，但是这种方法容易将前景运动目的混入到背景图像当中；可以以通过统计平均法，即通过对连续图像序列进行统计平均来获得背景图像。例如等人【假设背景在图像序列中总是最

5、经常被观测到，提出了一种基于偏微分方程的背景莺构和运动分割算法；哪等人【利用高斯内核非参数化估计同像素点的概率密度，提出了一种无参数的内核密度估计法；齐美彬等人【提出了一种新的基于“背景点像素值出现频次最高假设收稿日期：；修回日期：基金项目：河南省自然科学基金赞助项目；河南省教育厅自然科学研究计划赘助项目；河南省留学人员科技活动择优基金赞助项目豫人留学函】号作者简介：张娟?女，硕士研究生，主要研究方向为计算机视觉；毛晓波一，男，教授，项导，博士研究生，主要研究方向为仿生型机器视觉、复杂系统控制理论压其应用锄；脉铁军】男。教授，博导，博士，主要研究方向为复杂系统控制理论及其应用万方数据?计算机应

6、用研究第卷的背景重构算法，在前景点灰度值出现的概率大于背景点灰度值出现概率的情况下，仍能正确重构背景；等人提出了一种基于段分布的背景构建方法，能有效解决光照及背景扰动等问题，提高了目的检测的鲁棒性和准确性。此外，还有基于参数建模的方法，如叫行和“提出用个高斯分布的混合模型取表示背景像素的分布规律；【在背景建立混合高斯模型的基础上又建立了多个前景模型，实现了更为有效的运动检测；王超等人提出了一种新的高斯混合模型参数估算算法。大大提高了混合高斯模型的初始化速度；陈宜稳等人叫通过对图像分块建立了基于块内像素亮度均值的高斯模型，运算具有简单快速的特点，且对于光线缓慢变化不敏感。阴影的去除实际环境中，受

7、光线等闪素影响，运动目的的阴影也会与运动目的一起被检出，出现形影不离的现象，常导致跟踪系统误判。消除阴影影响简单有效的方法是将背景差分算法中的前景和背景的图像亮度值用图像色度值取代，但当前景与背景的色度值很接近时，该方法遭到一定限制，必须与边缘检测等方法相结合才能获得较好的效果。帧间差分法相邻帧间差分法是通过相邻两帧图像的差值计算，获得运动物体位置和形状等信息的运动目的检测方法。其对环境的适应性较强，十分是对于光照的变化适应性强，但由于运动目的上像素的纹理、灰度等信息比拟相近，不能检测出完好的目的，只能得到运动目的的部分信息且对运动缓慢的物体不敏感，存在一定的局限性。贺贵明等人在相邻帧间差分法

8、的基础上提出了对称差分法，通过对图像序列中每连续三帧罔像进行对称差分，检测出目的的运动范围，同时利用上一帧分割出来的模板对检测出来的目的运动范围进行修正，能较好地检测出中间帧运动目的的形状轮廓。光流法在空间中，运动能够用运动场描绘，而在一个图像平面上，物体的运动往往是通过图像序列中图像灰度分布的不同来体现，进而使空间中的运动场转移到图像上就表示为光流场。光流场反映了图像上每一点灰度的变化趋势，可看成是带有灰度的像素点在图像平面上运动而产生的瞬时速度场，也是一种对真实运动场的近似估计。在比拟理想的情况下，它能够检测独立运动的对象，不需要预先知道场景的任何信息，能够很准确地计算出运动物体的速度，并

9、且可用于动态场景的情况。但是大多数光流方法的计算相当复杂，对硬件要求比拟高，不适于实时处理而且对噪声比拟敏感，抗噪性差。动态背景由于存在着目的与摄像机之间复杂的相对运动，动态背景下运动目的检测要比静态背景下的运动目的检测复杂得多。通常情况下，摄像机的运动形式能够分为两种引：摄像机的支架固定，但摄像机能够偏转、俯仰以及缩放将摄像机装在某个移动的载体上。由于以上两种情况下的背景及前景图像都在做全局运动，要准确检测运动目的的首要任务是进行图像的全局运动估计与补偿。考虑到图像帧上各点的全局运动矢量虽不尽一样摄像机做平移运动除外，但它们均是在同一摄像机模璎下的运动，因此应遵循一样的运动模型，能够用同一模

10、型参数来表示。全局运动的估计问题就被归结为全局运动模型参数的估计问题，通常使用块匹配法或光流估计法来进行运动参数的估计。基于块的运动估算和补偿可算是最通用的算法。能够将图像分割成不同的图像块，假定同一图像小块上的运动矢量是一样的，通过像素域搜索得到最佳的运动矢量估算。块匹配法主要有如下三个关键技术“：匹配法则，如最大相关、最小误差等。搜索方法，如三步搜索法、穿插搜索法等。块大小确实定，如分级、白适应等。光流估计法是对帧图像建立光流场模型后，用光流场方程求解图像像素点运动速度的方法。综上所述，运动目的检测方面固然已发展了各种各样的检测算法，但各种算法多是针对某一特定场合提出的，算法的通用性有待于

11、进一步提高；而且算法的准确性和鲁棒性还不够强，如有的算法在准确检测和提取运动目的的轮廓、在背景模型的建立及更新、在阴影的去除、在减小算法的计算量等方面仍有很多值得改良的地方。运动目的跟踪运动目的的跟踪，即通过目的的有效表达，在图像序列中寻找与目的模板最类似候选目的区位置的经过。简单讲，就是在序列图像中为目的定位。运动目的的有效表达除了对运动目的建模外，目的跟踪中常用到的目的特性表达主要包括视觉特征图像边缘、轮廓、形状、纹理、区域、统计特征直方图、各种矩特征、变换系数特征傅里叶描绘子、白回归模型、代数特征图像矩阵的奇异值分解等。除了使用单一特征外，可以通过融合多个特征来提高跟踪的可靠性。类似性度

12、量算法对运动目的进行特性提取之后，需要采用一定的类似性度量算法与帧图像进行匹配，进而实现目的跟踪。图像处理与分析理论中，常见的类似性度量方法有欧氏距离、街区距离、棋盘距离、加权距离、巴特查理亚系数、叫距离等，其中应用最多和最简单的是欧氏距离。搜索算法目的跟踪经过中，直接对场景中的所有内容进行匹配计算，寻找最佳匹配位置，需要处理大昔的冗余信息，这样运算量比拟大，而且没有必要。采用一定的搜索算法对将来时刻目的的位置状态进行估计假设，缩小目的搜索范围便具有了非常重要的意义。其中一类比拟常用的方法是预测运动体下一帧可能出现的位置，在其相关区域内寻找最优点。常见的预测算法有粕滤波、扩展的且曲滤波及粒子滤

13、波方法等。万方数据第期张娟，等：运动目的跟踪算法研究综述?锄滤波器是一个对动态系统的状态序列进行线性最小方差估计的算法。它通过状态方程和观测方程来描绘一个动态系统基于系统以前的状态序列对下一个状态作最优估计，预测时具有尤偏、稳定和最优的特点，且具有计算量小、可实时计算的特点，能够准确地预测目的的位置和速度，但其只合适于线性且呈高斯分布的系统。相对于卡尔曼滤波算法，粒子滤波器十分适用于非线性、非高斯系统。粒子滤波算法是一种基于蒙特卡洛和贝叶斯估计理论的最优算法，它以递归的方式对测量数据进行序贯处理因此无须对以前的测量数据进行存储和再处理节省了大量的存储空间。在跟踪多形式的目的以及在非线性运动和测

14、量模型中，粒子滤波器具有极好的鲁棒性。另一类减小搜索范围的算法是优化搜索方向。均值漂移算法哪算法、连续自适应均值漂移算法咖侬算法和置信区域算法都是利用无参估计的方法优化目的模板和候选目的距离的迭代收敛经过，以到达缩小搜索范围的目的。哪曲算法是利用梯度优化方法实现快速目的定位，能够对非剐性目的实时跟踪，合适于非线性运动目的的跟踪，对目的的变形、旋转等运动有较好的适用性。但是柚蛐算法在目的跟踪经过中没有利用目的在空间中的运动方向和运动速度信息，当周围环境存在干扰时如光线、遮挡，容易丢失目的。讯算法是在蛐算法的基础七，进行了一定的扩展，结合目的色彩信息构成的一种改良的均值漂移算法。由于目的图像的直方

15、图记录的是颜色出现的概率，这种方法不受目的形状变化的影响，能够有效地解决日标变形和部分遮挡的问题，且运算效率较高，但该算法在开场前需要由人工指定跟踪目的。目的跟踪分类根据运动目的的表达和类似性度量，运动目的跟踪算法能够分为四类：基于主动轮廓的跟踪、基于特征的跟踪、基于区域的跟踪和基于模型的跟踪。跟踪算法的精度和鲁棒性很大程度上取决于对运动目的的表达和类似性度量的定义，跟踪算法的实时性取决于匹配搜索策略和滤波预测算法“。基于主动轮廓的跟踪等人提出的主动轮廓模型，即【模型，是在图像域内定义的可变形曲线，通过对其能量函数的最小化，动态轮廓逐步调整本身形状与目的轮廓相一致，该可变形曲线又称为曲线。【技

16、术能够处理任意形状物体的任意形变，首先将分割得到的物体边界作为跟踪的初始模板，然后确定表征物体真实边界的目的函数，并通过降低目的函数值，使初始轮廓逐步向物体的真实边界移动。基于主动轮廓跟踪的优点是不但考虑来自图像的灰度信息，而且考虑整体轮廓的几何信息，加强了跟踪的可靠性。由于跟踪经过实际上是解的寻优经过，带来的计算适比拟大，而且由于【模型的盲目性，对于快速运动的物体或者形变较大的情况，跟踪效果不够理想【。基于特征的跟踪基于特征匹配的跟踪方法不考虑运动目的的整体特征，只通过日标图像的一些显著特征来进行跟踪。假定运动目的能够由唯一的特征集合表达。搜索到该相应的特征集合就以为跟踪上了运动目的。除了用

17、单一的特征来实现跟踪外，还能够采用多个特征信息融合在一起作为跟踪特征。基于特征的跟踪主要包括特征提取和特征匹配两个方面。特征提取特征提取是指从景物的原始图像中提取图像的描绘特征，理想的图像特征应具备的特点是“：特征应具有直观意义，符合人们的视觉特性；特征应具备较好的分类能力，能够区分不同的图像内容；特征计算应该相对简单，以便于快速识别；特征应具备冬像平移、旋转、尺度变化等不，变性。目的跟踪中常用的运动目的的特征主要包括颜色、纹理、边缘、块特征、光流特征、周长、面积、质心、角点等。提取对尺度伸缩、形变和亮度变化不敏感的有效特征至今还是图像处理研究领域中一个比拟活跃的方面“。特征匹配特征提取的目的

18、是进行帧间日标特征的匹配，并以最优匹配来跟踪日标。常见的基于特征匹配的跟踪算法有“基于二值化目的图像匹配的跟踪、基于边缘特征匹配或角点特征匹配的跟踪、基于目的灰度特征匹配的跟踪、基于目的颜色特征匹配的跟踪等。基于特征的跟踪算法的优点在于对运动目的的尺度、形变和亮度等变化不敏感，即便目的的某一部分被遮挡，只要还有一部分特征能够被看到，就能够完成跟踪任务；另外，这种方法与滤波器联合使用，也具有很好的跟踪效果。但是其对于图像模糊、噪声等比拟敏感，图像特征的提取效果也依靠于各种提取算子及其参数的设置，此外，连续帧日的特征对应关系也较难确定，尤其是当每一帧图像的特征数目不一致、存在漏检、特征增加或减少等

19、情况。基于区域的跟踪基于区域的跟踪算法基本思想是：得到包含目的的模板，该模板叮通过图像分割获得或预祖先为确定，模板通常为略大于目的的矩形，可以为不规则形状；在序列图像中，运用相关算法跟踪目的。这种算法的优点在于当目的未被遮挡时，跟踪精度非常高、跟踪非常稳定。但其缺点首先是费时，当搜索区域较大时情况尤其严重；其次，算法要求目的变形不大，且不能有太大遮挡，否则相关精度下降会造成目的的丢失“。近年来，对基于区域的跟踪方法关注较多的是怎样处理模板变化时的情况，这种变化是由运动目的姿态变化引起的，假如能正确预测目的的姿态变化，则町实现稳定跟踪“。基于模型的跟踪基于模型的跟踪是通过一定的先验知识对所跟踪目

20、的建立模型，然后通过匹配跟踪目的进行模型的实时更新。对于刚体目的来讲，其运动状态变换主要是平移、旋转等，能够利用该方法实现目的跟踪。但是实际应用中跟踪的不仅仅是刚体，还有一大部分是非刚体，目的确切的几何模型不容易得到。这种方法不易受观测视角的影响，具有较强的鲁棒性，模型匹配跟踪精度高，合适于机动目的的各种运动变化，抗干扰万方数据?计算机应用研究第卷能力强，但由于计算分析复杂、运算速度慢，模型的更新较为复杂，实时性较差。准确建立运动模型足模型匹配能否成功的关键。结束语纵观口前运动目的的跟踪算法，大多是基于较单一的工学视角，还存在一些尚未很好解决的共性问题，如跟踪经过中目的物形状、尺寸、位置、运动

21、方向的改变；背景环境及光照条件的改变；目的物被遮挡及部分遮挡的情况等。而事实上，人类视觉在视线跟踪、自适应机制、感悟和识别及信息处理等方面具有先天优势，很多视觉任务，如物体边缘检测、空间位置估计和运动跟踪等对于计算机来讲困难再蕈，但对于人来讲却是非常简单的任务。因而，怎样根据人类视觉特性，直接从神经生理学和解剖学的角度出发，即从分析人类视觉经过的仿生学方法进行视觉跟踪的研究将会给运动目的跟踪研究开拓一条崭新的思路。参考文献：崔宇巍运动目的检测与跟踪中有关问题的研究西安：西北大学，。鞭且宅岫】皓，：，甜加咖“，：?齐美彬，王倩。蒋建国等基于背景像素值频次最高假设的背景重构算法中国图象图形学报，：

22、，?，“昭“仰伊伽任陀彻咖：。，【陀他瑚町皿陀曲锄印佣：，帅啪卵“陀，：【南肾印“。乒伽帅，使：一王超，侯丽敏一种新的高斯混合模型参数估计算法】上海大学学报：自然科学版，：?陈宜稳，王威。王润生分块建模和点建模联合的背景重建方法】全国第届计算机技术与应用学术会议论文集：计算机技术与应用进展舢：毛晓波，谢晓芳，张晓林消除运动物体阴影的最大色度差分检测法】电子技术应用，：一贺贵明，李凌娟，贾振堂一种快速的基于对称差分的视频分割算法小型微型计算机系统，：侯志强韩崇昭视觉跟踪技术综述自动化学报，：杨沁仅列图像运动估计、目的检测及分层技术成都：电子科技大学常向魁视频运动目的跟踪算法研究开封：河南大学，奚

23、慧婷刚体运动目的的跟踪算法研究上海：华东师范大学，王素玉，沈蓝荪智能视觉监控技术研究进展【中国图象图形学报，：一】王绍钰基于粒子滤波器的运动目的跟踪方法研究长沙：?中南大学毛晓波陈铁军仿生型机器视觉研究计算机应用研究：，上接第页蔡锋离线手写签名识别技术研究上海：上海交通大学，肌，?，?，甜耐酽帅由【悒鸭，：】王科俊，侯本博步态识别综述中国图象图形学报，：，且，矗越肌缸口叩岫帅“婚且毗拟：“，眦呲啊甜酣阽。，：?】，鲳：佣删汕矗卸“帅帆硼枷：?【王风华韩九强，姚向华一种基于虹膜和人脸的多生物特征融合方法西安交通大学学报，：?】何国辉，甘傻英，李春芝。等人脸与虹膜特征层融合模型的研究电子学报，：啪

24、硎舢明岫毛砒朋破硼毫一蚰蚵仰：，商且蛐?佣叩曩雠瑁眦均：，咖，矗础划翟觚蛐且帅刊。彻啪时：，晡眦仰删。咖“岫岫且一咿伽鲥咖，髂鲫“仰：】肋，一矗以咖击佣蚰删蛐，鲥叩幽佃：万方数据运动目的跟踪算法研究综述张娟，毛晓波，陈铁军，ZHANGJuan，MAOXiao-bo，CHENTie-jun作者单位：郑州大学,电气工程学院,郑州,450001刊名：计算机应用研究英文刊名：APPLICATIONRESEARCHOFCOMPUTERS年，卷(期)：2020，26(12)被引用次数：0次参考文献(19条)1.崔宇巍运动目的检测与跟踪中有关问题的研究20052.KORNPROBSTP.DERICHER.A

25、UBERTGImagesequenceanalysisviapartialdifferenceequations1999(01)3.ELGAMMALA.DURAISWAMIR.HARWOODDBackgroundandforegroundmodelingusingnonparametrickerneldensityestimationforvisualsurveillance2002(07)4.齐美彬.王倩.蒋建国基于背景像素值频次最高假设的背景重构算法期刊论文-中国图象图形学报2020(04)5.TANGYi.LIUWei-Ming.XIONGLiangImprovingrobustness

26、andaccuracyinmovingobjectdetectionusingsection-distributionbackgroundmodel20206.STAUFFERC.GRIMSONWELAdaptivebackgroundmixturemodelsforreal-timetracking19997.STAUFFERC.GRIMSONWELLearningpatternsofactivityusingreal-timetracking2000(08)8.MAGEEDTrackingmultiplevehicleusingforeground,backgroundandmotionm

27、odels2004(02)9.王超.侯丽敏一种新的高斯混合模型参数估计算法2005(05)10.陈宜稳.王威.王润生分块建模和点建模联合的背景重建方法200711.毛晓波.谢晓芳.张晓林消除运动物体阴影的最大色度差分检测法期刊论文-电子技术应用2007(01)12.贺贵明.李凌娟.贾振堂一种快速的基于对称差分的视频分割算法期刊论文-小型微型计算机系统2003(06)13.侯志强.韩崇昭视觉跟踪技术综述期刊论文-自动化学报2006(04)14.杨沁仪列图像运动估计、目的检测及分层技术200415.常向魁视频运动目的跟踪算法研究200716.奚慧婷刚体运动目的的跟踪算法研究202017.王素玉.沈

28、蓝荪智能视觉监控技术研究进展期刊论文-中国图象图形学报2007(09)18.王绍钰基于粒子滤波器的运动目的跟踪方法研究202019.毛晓波.陈铁军仿生型机器视觉研究期刊论文-计算机应用研究2020(10)类似文献(10条)1.学位论文董颖基于光流场的视频运动检测2020本文的主要研究内容是基于光流法的视频图像序列的运动检测。视频图像序列的运动检测是计算机视觉领域的重要研究课题之一。视频图像是由在时间上相关的序列图像组成的，其丰富的原始数据、相邻帧间的强相关性和时间上的动态时变形式等特点使图像中的运动目的易于检测、分割和识别。视频图像的运动检测不仅在工业和军事上具有极为重要的应用，而且在一些重要

29、的码头、公共场所、银行、公路车辆监测等系统中也有广泛的应用。基于光流法的视频图像序列的运动检测经过主要包括图像预处理、光流场计算、归一化光流场和运动目的提取四个部分。本文主要工作如下：1.外界干扰或摄像机的变化等因素很容易使收集的图像被噪声污染，为了提高光流法运动检测的准确度，必须将每帧图像进行预处理使图像平滑。本文介绍了几种经典的去噪算法，为了提高计算速度，在详细实验中采用均值滤波方法。2.运动检测就是把需要的目的从复杂的背景中分离出来。光流法在序列图像的运动目的检测中有较好的应用，但受光照变化、运动物体的阴影、树叶的摆动、起伏的波浪等动态环境因素的影响，使运动检测工作相当困难。并且光流法用

30、于运动目的检测时存在很多问题：运算量大、抗噪性差、稳定性差、不能检测较高速度的运动目的等。在介绍了几种经典的连续光流计算方法的基础上，本文提出了一种基于线性亮度变化模型的鲁棒的光流算法，引入了一般化的线性亮度变化模型，得到两个亮度变化参数，建立了新的梯度约束方程，提高大的光照强度变化下算法的稳健性，实验表明此算法对于局部或全局的光照变化具有很好的鲁棒性。采用了基于多尺度空间的微分光流算法，不仅对运动速度和速度变化较大的情况具有很好的适应性，而且采用了双线性插值算子以缓解误差传播效应。3.运动目的提取就是将计算光流场的光流矢量数据进行归一化处理，并对处理后的二值化图像进行形态滤波、区域连通，然后

31、通过水平投影和垂直投影将运动目的用矩形框进行锁定，为以后估计运动轨迹实现运动跟踪做准备。本文分为六部分：第一部分首先阐述了课题的研究背景、意义及该领域的发展现状；第二部分介绍了图像预处理的经典算法；第三部分介绍并比照了连续光流场的几种经典算法，第四部分对新算法进行了具体地阐述并得到相关的实验结果；第五部分运动目的提取，通过区域连通提取出运动目的，并给出了大量实验图片；第六部分提出了研究瞻望及后续研究的主要内容。2.学位论文赵秋荷摄像头固定的场景中视频物体的运动检测2005本文主要研究了固定场景情况下基于背景减除方法的运动检测在视频监控中的应用。内容涉及运动检测方法及应用、背景模型选择及建立、阴

32、影的检测和识别以及运动估值几个方面。1.运动检测是计算机视觉、目的识别与跟踪、安全监控等的视频应用的基础。背景减除方法是运动检测的重要方法，但对光照变化和阴影都比拟敏感。本文首先提出一种新的背景减除方案，它运用HSV色彩方案，结合时间差分方法检测运动区域。实验结果显示了较好的鲁棒性。2.在运动检测经过中，随着时间和环境的变化，背景图像也在跟着变化，背景的变化使得背景部分很可能被误分为前景运动物体。因而，有必要建立适宜的背景模型，来适应外界环境的变化。本文采用了K-高斯混合模型作为背景模型进行实验，它不仅能够适应变化的背景，也能适应高度繁忙或杂乱的场景中模型的建立。3.物体的运动经常会伴随着阴影

33、的发生，阴影的存在影响了运动检测的正确性和准确性。而且，阴影与运动物体具有两个一样的重要的视觉特征：首先，阴影点与背景明显不同，很容易被检测为前景；其次，阴影与投下阴影的物体具有一样的运动。这两个特征使阴影的检测具有相当的挑战性。本文对Sakbot系统中的阴影检测方法进行改良，对阴影检测的三个条件加上了权值进行分类，得到不错的效果。4、运动检测的同时，能够通过运动估值来预测物体下一时刻可能的运动。通过运动估值和运动检测的结合能够使得下一时刻的运动检测更准确。本文实现了块匹配的运动估值的算法。3.学位论文茹建斌基于计算机视觉的人体运动跟踪系统的研究与实现2001该论文针对实时人流统计这个高层应用

34、特例研究了人体运动跟踪技术.首先从无模型的二值图像分析入手,设计实现了一个由图像获取、运动检测、形态滤波、连通域分析、运动跟踪等部分组成的人体运动跟踪系统,针对实现经过中碰到的问题及难点提出了解决的方法.接着为了克制多人互相遮掩的情况下跟踪的困难,设计实现了基于二维人脸模型的体运动跟踪系统,着重对人脸检测进行了研究,设计了通用人脸模板,为了减小照明条件变化对检测精度的影响提出了灰度自适应补偿算法.该论文分为下面四个部分.第一部分介绍了计算机视觉系统的系统机构、实现难点、与其它学科的关系;第二部分介绍了人体运动跟踪技术在有关领域的应用,并对当前的技术现状作了简单的回首;第三部分分别设计了无模型的

35、人体跟踪系统和基于二维模型的人体跟踪系统两种方案,并具体阐述了两种方案中各模块的主要设计思想、处理技术、存在的问题及解决方法等;第四部分介绍了系统实现的软硬件平台,并对数据构造、算法流程进行了具体的描绘.4.期刊论文秦菲.郭雷.高世伟.QINFei.GUOLei.GAOShi-wei一种基于运动检测的粒子滤波跟踪方法-光电工程2020,36(7)针对传统粒子滤波的建议分布没有利用到当前观测信息的缺乏,本文提出了一种基于运动检测以改良建议分布的粒子滤波跟踪方法.该方法利用系统的状态转移密度分布,结合目的当前时刻的运动信息共同决定目的的先验分布.首先从一阶自回归的状态转移模型中生成部分粒子,然后采

36、用单高斯背景建模进行局部运动检测,在检测到的运动区域中采样其余粒子,由此得到粒子的先验分布.用该方法分别对动态背景和存在完全遮挡情况下的运动目的进行跟踪,实验结果表明该方法有较高的跟踪精度和较强的稳定性.5.学位论文夏文龙基于计算机视觉的汽车流量检测研究2003该文首先根据输入的实时图像序列,进行自适应学习以重建出背景,在此基础上将输入的道路实时图像和背景图像进行差分运算.该文实现了一个由图像获取、运动检测、形态滤波、连通域分析、运动跟踪等部分组成的车流检测和运动目的跟踪系统,并针对实现经过中碰到的问题及难点提出了相应的解决方法.该论文分为下面六个部分.第一部分介绍了计算机视觉系统的发展经过及

37、其在智能交通系统中的应用,并对车流检测和运动目的跟踪的方法进行了比拟;第二部分着重研究了从序列视频图像中重建出真实背景的技术,并对其中所表现出的问题提出了相应的改良方案,获得了良好的效果;第三部分针对实时视频图像和背景差分后的灰度图像进行预处理,重点讨论了弱目的的二值化问题及图像的形态学滤波;第四部分介绍了线段编码在该系统中的应用,提出了一种快速分割目的并同时提取出其特征参数的方法,并将其和常规算法进行了比拟;第五部分介绍了目的区域合并的经过,着重研究了运动目的跟踪的方法,通过建立目的的运动状态来辨识目的的遮挡问题,并利用-滤波器来预测物体下一时刻的运动位置,减小目的匹配的搜索范围;第六部分介绍了整个系统的组成构造和软件框架,并对道路处于阻塞状况下的交通参数的检测方法进行了讨论.6.学位论文吴慧敏视频中运动物体的检测与跟踪2020