当前位置：问答库＞论文摘要

在当今这个信息化飞速发展的社会，计算机视觉已逐渐融入到我们的工作生活当中，人们对视觉监控的需求也越来越迫切。而这其中，目标检测和目标跟踪是计算机视觉研究领域的一个重要课题，它们在机器人视觉导航、智能监视系统、交通监测、医学图像处理以及视频图像压缩和传输、虚拟现实等领域都有着重要的实用价值和广阔的发展前景。本文首先总结了已有的经典目标检测与跟踪算法，然后依次对静态图像中的目标检测与动态视频中的目标跟踪进行了深入分析与研究：静态图像中的目标检测主要包括特征提取和分类器设计两大部分。特征提取方面，我们采用HOG特征描述方法；分类器设计方面，我们基于SVM的边缘最大化理论、PNN的多项式融合思想和Adaboost的级联思想，提出了一种L1-norm最小化分类器。然后用训练好的分类器分别对车辆和人体进行检测实验，结果表明我们提出的算法无论从准确率还是运算速度上，都远远大于经典的静态图片目标检测算法。动态视频中的目标跟踪主要分为目标提取和目标跟踪两大部分。我们首先建立了混合高斯背景模型，然后采用背景差分法与之结合来提取运动目标。之后我们采用纹理特征与压缩感知特征两层结构相结合的方法进行目标特征的选取，然后再利用粒子滤波器对提取出来的目标进行跟踪。最终，实验结果表明系统可以很好地实现对运动目标（人体或车辆）的实时跟踪。