文档介绍：运动目标检测跟踪方法研究摘要:针对背景动态变化的场景,提出了一种基于全方位视觉的运动目标检测跟踪方法。通过目标在HSV颜色空间中的H值、目标间的欧氏距离和目标相交面积等特征融合,提高目标跟踪的鲁棒性。实验表明,所设计的方法能实现实时准确的运动目标检测与跟踪。关键词:目标检测跟踪;形态学算子;背景干扰中图分类号:TP18文献标识码:A文章编号:1009-3044(2010)07-1684-02 ResearchandImplementationofMovingObjectsDetectionandTracking CHENGLei (DepartmentofElectronicScienceandEngineering,HuanghuaiUniversity,Zhumadian463000,China) Abstract:hangesofbackground,,-timedetectionandmovingobjectstracing. Keywords:detectionandtracingofobjects;morphologicoperators;intruders 运动目标的检测与跟踪是计算机视觉领域的重要研究课题,是视频监视、交通流量监测[1]、人体检测与跟踪[2-3]等应用的基础。视频图像中运动目标检测的主要方法有:光流法、帧差法和减背景法。光流法能较准确地检测运动目标,但计算量大,难于进行运动目标的实时检测。帧差法对环境变化的适应性强,但当运动目标上象素的纹理、灰度等信息相近时,易出现运动目标的空洞现象[4-5]。减背景法能提取较为完整的前景信息,但对运动敏感性不够。目标跟踪的方法有基于模型的跟踪、基于区域的跟踪和基于特征的跟踪等方法。Karaulova建立了人体运动学的分层模型,主要用于单目视频中人体的跟踪[7]。基于区域的跟踪,即将跟踪目标分成几个小的区域来完成目标跟踪。该方法难于处理目标遮挡情况。基于特征的跟踪对非刚体运动目标具有很好的适应性,通常将运动目标的多个特征结合使用,以提高跟踪的鲁棒性。 1目标检测本文采用了基于减背景的目标检测方法。首先用统计方法[5,8]建立图像的背景模型,通过减背景得到前景图像,最后采用改进的二值图像连通域标记算法[9]对检测到的二值图像作分割处理得到运动目标。 ,设该序列帧图像中第i帧图像的像素点(x,y)的像素值为I(x,y),B(x,y)为N帧图像对应像素点的像素均值。这样可以减少突变对背景获取的影响,较准确的完成背景的初始化。 ,如果差值大于阈值,则该点为前景像素点。针对所得到的二值图像中