论文部分内容阅读
运动目标检测与跟踪作为人工智能领域一个重要的研究方向，在过去十年得到了足够的关注以及非常广泛的应用，比如智能视频监控技术、武器的精确制导技术等。上述研究和应用是基于静止摄像机的情况，对于移动摄像机下的目标检测，由于摄像机的运动引起背景变化增加了检测与跟踪的复杂度，使其成为一个难点。在众多实际应用中，摄像机都是处于运动状态，因此移动背景下的目标检测与跟踪就显得非常重要。本文对移动背景下的目标检测算法进行了研究，重点研究了基于特征点的检测算法和基于图像匹配和耦合的检测算法，并将检测算法与跟踪滤波器结合进行了性能的对比，将最优算法进行进一步的验证。本论文主要包括了以下几部分的工作：(1)本文从特征点出发进行移动背景下的目标检测，首先比较几种常见的特征点提取算法，随后确定最优算法提取移动背景下的视频序列的特征点。在此基础上利用K-Means聚类实现特征点的分类，完成了移动背景下的目标检测工作。(2)将视频序列两帧之间的特征点进行精确匹配，随后计算特征点之间的运动向量，并对于运动向量进行统计建立运动向量直方图，在此基础上实现了移动背景下的目标检测。(3)根据视频序列精确匹配的特征点对并结合反射参数模型求取摄像机的运动参数，利用运动参数截取子区域图像完成帧间匹配工作；同时为了充分利用帧间的相关性和提高检测算法的性能，将耦合思想融入其中实现了基于图像匹配和耦合的移动背景下目标检测。(4)为了验证本文所研究的检测算法，将粒子滤波器与其相结合，实现了移动背景下的目标跟踪；为了增强跟踪的鲁棒性，将运动区域直方图与区域特征点结合生成多特征状态向量。为了验证本文所研究的检测算法的有效性，将算法在网络下载的战斗机数据集以及UCSD的landing数据集上进行了测试，其中基于图像匹配和耦合的运动目标检测算法能够更完整提取运动目标区域，实验结果很好的论证了本文所研究的检测算法的可行性和鲁棒性。