视频监控中运动物体的检测与跟踪

doi:10.3778/j.issn.1002-8331.2010.31.053

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (31): 192-195.DOI: 10.3778/j.issn.1002-8331.2010.31.053

• 图形、图像、模式识别 • 上一篇下一篇

视频监控中运动物体的检测与跟踪

郑丹，徐佩霞，何佳

中国科学技术大学电子工程与信息科学系，合肥 230027

收稿日期:2009-03-16 修回日期:2009-05-11 出版日期:2010-11-01 发布日期:2010-11-01
通讯作者: 郑丹

Moving object detection and tracking in video surveillance

ZHENG Dan，XU Pei-xia，HE Jia

Department of Electronic Engineering and Information Science，University of Science and Technology of China，Hefei 230027，China

Received:2009-03-16 Revised:2009-05-11 Online:2010-11-01 Published:2010-11-01
Contact: ZHENG Dan

摘要/Abstract

摘要： 针对固定摄像头下的交通监控场景，首先给出一种基于分块原理的背景重建算法，克服了平均法重建的背景图像模糊的缺点。然后用减背景方法检测运动物体，并利用数学形态学方法对得到原始前景点作处理，填补了运动物体内部的空洞，减少了噪声点，改善了检测性能。为适应背景的变化，对背景进行自适应更新，并且通过对Meanshift算法的改进提高了跟踪的准确性。实验结果表明，算法在有效检测到运动物体的同时能够快速准确地跟踪运动物体。

关键词: 背景重建, 运动检测, 均值偏移, 运动物体跟踪

Abstract: For the stationary scene，a block based background reconstruction algorithm is presented which can overcome fuzzy shortcoming by mean method.Then the background-subtraction method is used to detect the moving objects.After that the morphological process is adopted to fill the holes in moving objects，wipe out the noise spots and improve the detection.In order to fit to the background change，the adaptive background updating is used.To improve the accuracy of tracking，the modified Meanshift algorithm is carried out.Simulations show that this algorithm can detect objects effectively and track the objects rapidly and accurately.

Key words: background reconstruct, moving detect, Meanshift, moving object tracking

中图分类号:

TP301.6

郑丹，徐佩霞，何佳. 视频监控中运动物体的检测与跟踪[J]. 计算机工程与应用, 2010, 46(31): 192-195.

ZHENG Dan，XU Pei-xia，HE Jia. Moving object detection and tracking in video surveillance[J]. Computer Engineering and Applications, 2010, 46(31): 192-195.

[1]	马兴灶，赵剑楠，朱齐媛，傅沁冰，胡诚，雷芳，岳士岗. 基于LGMD的无人机避障方法研究[J]. 计算机工程与应用, 2019, 55(15): 250-256.
[2]	张金敏1，雷江1，2. 统计建模与对象更新机制相结合的背景减法[J]. 计算机工程与应用, 2016, 52(11): 152-157.
[3]	刘王胜，冯瑞. 一种基于AdaBoost的人脸检测算法[J]. 计算机工程与应用, 2016, 52(11): 209-214.
[4]	付芦静1，钱军浩1，钟云飞2. 基于汉字连通分量的印刷图像版面分割方法[J]. 计算机工程与应用, 2015, 51(5): 178-182.
[5]	周仁琴. 视频监控场景下的面部遮挡检测[J]. 计算机工程与应用, 2015, 51(4): 192-195.
[6]	靳琪琳，段锁林. 基于神经网络与加权融合的火灾火焰识别研究[J]. 计算机工程与应用, 2013, 49(13): 156-159.
[7]	刘彬，王朝英，侯志强. 融合聚类和分级区域合并的彩色图像分割方法[J]. 计算机工程与应用, 2011, 47(30): 202-205.
[8]	陈建恺，陈继荣. 适应场景亮度快速变化的背景重建算法[J]. 计算机工程与应用, 2010, 46(8): 183-186.
[9]	吴刚^1，2，唐振民²，杨静宇². 强噪声场景下运动模板的检测与跟踪技术研究[J]. 计算机工程与应用, 2010, 46(26): 5-6.
[10]	刘超，何明一，付勇. 基于背景重建的运动目标检测与阴影抑制[J]. 计算机工程与应用, 2010, 46(16): 197-199.
[11]	盛旭锋，朱方文，李校祖，庄俊. 基于三帧时间差分法的独居老人运动检测[J]. 计算机工程与应用, 2010, 46(13): 239-241.
[12]	李小俊¹，姚驰甫². 背景重建的运动目标分割改进算法[J]. 计算机工程与应用, 2009, 45(27): 157-159.
[13]	陈宇玺^1，2，于乐兵¹. 夜间行人检测的红外及可见光视频融合方法 [J]. 计算机工程与应用, 2009, 45(24): 213-215.
[14]	陈伟¹,唐红光². 基于先验概率模型的自适应背景图像分割算法[J]. 计算机工程与应用, 2009, 45(10): 176-178.
[15]	史志龙,陈一民,徐杰. 视频监控中人的运动检测方法研究与实现[J]. 计算机工程与应用, 2008, 44(19): 206-209.

视频监控中运动物体的检测与跟踪

Moving object detection and tracking in video surveillance

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics