復雜場景下的多目標檢測與跟蹤.pdf

1、多目標檢測與跟蹤一直以來都是計算機視覺領域的研究熱點之一。隨著眾多學者的深入研究，大量的相關算法已經(jīng)被提出。但是目前大多數(shù)多目標檢測與跟蹤算法都只能在一定場景下才能取得較好的結果，在復雜場景下的結果往往都差強人意。本文針對多目標檢測與跟蹤算法進行了深入的研究，主要工作和創(chuàng)新點如下：
　?。?）本文研究了運動目標檢測算法，分析了現(xiàn)有目標運動檢測算法的優(yōu)勢與不足。針對當前運動目標檢測中最易出現(xiàn)的相機抖動、動態(tài)背景、目標間歇性運動等問題

2、，提出一種自適應的運動目標檢測算法。該算法在隨機采樣背景建模的基礎上，添加了動態(tài)閾值模塊以及動態(tài)隨機子采樣率，使得算法能夠在各種復雜場景下取得較好的前景檢測效果；同時，通過提出更新狀態(tài)、閃爍點檢測，使得算法在降噪的同時很好得保留了目標的完整性；另外，還加入了Ghost去除模塊，專門應對目標間歇性運動的情況。隨著這些模塊的加入，算法整體的性能大大提高，在各種復雜場景下依然能夠很好地完成運動目標檢測。
　?。?）本文研究了傳統(tǒng)的目標跟

3、蹤算法并分析了復雜場景下多目標跟蹤算法的難點。根據(jù)多目標跟蹤中最容易出現(xiàn)的目標合并以及目標分離等問題，提出了一種基于目標檢測的多目標跟蹤算法。該算法結合了前文提出的目標檢測算法以及最新的FREAK（Fast Retina Kepoint）特征描述子，同時還針對目標間相互遮擋問題以及目標檢測中最易出現(xiàn)的欠分割和過分割問題進行了修正，提高了算法在復雜場景下的魯棒性。該算法不需要先驗知識，僅需要非常少的直觀的參數(shù)調(diào)整，即可在復雜場景中完成多目