基于GMM与KLT算法运动目标检测与跟踪方法.docVIP

基于GMM与KLT算法运动目标检测与跟踪方法 　　摘 要： 在视频监控方面，存在着运动目标的各种行为，针对这种情况，提出一种基于GMM与KLT算法的运动目标检测与跟踪方法。首先用基于GMM的背景减除法对运动目标进行检测，再通过形态学处理得到目标区域，然后对运动目标进行KLT特征点跟踪，最后根据特征点画出运动目标的运动轨迹。实验证明该算法有良好的检测结果与跟踪效果。 　　关键词： 运动目标检测；背景减除法；运动目标跟踪；GMM；KLT 　　Abstract：In video surveillance there are various behaviors of moving objects. Aiming at this situation this paper proposes a method of moving object detection and tracking based on GMM and KLT algorithm. Firstly the background subtraction method based on GMM is used to detect the moving target and the target region is obtained by morphological processing. Then the moving target is tracked by KLT feature point. Finally the motion trajectory of the moving target is drawn according to the feature point. Experiments show that the algorithm has good detection result and tracking effect. 　　Key words： moving target detection；background subtraction method；moving target tracking；GMM；KLT 　　引言 　　运动目标检测与跟踪是计算机视觉领域一个热门课题，在人工智能、模式识别、图像处理、医学成像等多个领域有着广泛的应用。在现实的交通情况中，道路视频监控系统存在着运动目标（包括行人、车辆等）各种异常行为，如车辆逆行、超速和行人的违规举止等[1]。而在监控视频中，为了能够更为准确有效地检测出运动目标，进一步跟踪运动目标，从而对运动目标的行为表现展开分析，本文设计提出了一种基于GMM与KLT算法的运动目标检测与跟踪方法。实验结果表明该方法能够准确提取出运动目标区域，并且能对目标进行快速跟踪，具有良好的检测效果与跟踪结果。 　　本文先使用基于GMM的背景减除法对运动目标进行检测，经过形态学处理后得到比较准确、完整的目标区域信息，然后用KLT算法对运动目标进行特征点跟踪，最后绘制出运动目标的轮廓和轨迹。 　　1 目标检测技术 　　视频图像的目标检测技术则是理解图像的基础。运动目标检测就是研究寻找存在运动的区域，检测到的运动区域将可以为后续的目标识别和跟踪、行为分析等任务提供可参考区域[2]。 　　通常，?频图像可分为2种。一种是静态背景的视频，比如高速道路的监控视频；另一种是动态背景的视频，比如无人机摄像头航拍的视频[3]。在实际生活中，受到太阳光照变化和天气影响，视频的背景也将随时随地有不同呈现，而且还存在着运动目标阴影、各种干扰物等，这就使得运动目标检测在实现过程中面临诸多制约与挑战。 　　时下，目标检测在研究上主要有帧差法、光流法和背景减除法三种传统算法。这里，将给出如下研究与论述。 　　1.1 目标检测算法的比较 　　帧差法算法计算复杂度小、容易实现，同时对环境的适应能力强，稳定性高。但是通常很难获取运动目标的完整轮廓，容易产生“空洞”现象。光流法摄像头无论在固定或者运动的情况下，都能够检测出运动目标，但是却具有计算耗时，实时性和抗噪性能差，并且需要特殊的硬件支持等不足。因此，光流法不能检测出运动目标的准确信息和轮廓。背景减除法检测准确快速，能够达到实时监测视频中运动物体的要求，而且检测获得的轮廓信息丰富、且完整。但是外界环境的变化会造成背景图像的动态差异，因而对背景模型的更新要求较高[4]。 　　综上可得，本文研究使用了基于高斯混合模型（GMM）的背景减除法进行运动目标检测。而对其中涉及的算法原理可做详述如下。 　　1.2 基于GMM的背景减除法的基本原理 　　背景减除法是用当前帧减去实时更新的背景模型，通过相减后图像的像素值与设定的阈值，综合判定该像素点是否为运动目标的区域。进一步分析可知，背景模型的