● 摘要
随着计算机视觉技术的发展，多目标检测和跟踪技术在智能监控、医学图像、军事领域和人机交互等方面应用广泛，但由于应用场景的复杂性，多目标检测和跟踪技术在实时性、鲁棒性和准确度方面还存在很多问题。针对现有目标检测算法易受光照变化、背景动态变化和摄像机抖动等环境影响以及背景模型收敛速度缓慢的问题，本论文提出了一种基于切比雪夫像素估计的多目标检测算法；针对现有目标跟踪容易出现目标失跟、遮挡和目标消失等问题，本论文提出了一种基于质心运动状态估计的多目标跟踪算法。本论文的主要贡献如下：
提出了一种基于切比雪夫像素估计的多目标检测算法。根据背景模型，利用切比雪夫不等式将像素点分为前景像素点、背景像素点和不确定像素点。对于不确定像素，采用相似性统计策略进一步对像素点进行分类。对于背景像素点，利用相似性统计背景更新算法对背景模型进行更新，同时，对背景模型的期望和方差采用动态更新算法更新。通过对前景图像预处理，提取出前景图像中的目标的质心向量，即目标的位置和目标的窗口大小。实验结果表明该算法在保持准确率情况下，具有较好的召回率和实时性。
提出了一种基于目标质心运动状态估计的多目标跟踪算法。利用卡尔曼滤波算法，对目标质心的位置和目标窗口大小进行预测，得到下一时刻的目标质心的位置和目标窗口大小。通过多目标检测算法获得前景二值图像，提取前景二值图像中目标的特征。利用运动目标质心最近匹配算法，建立运动目标的运动状态，通过计算目标特征和候选区域特征的相似度，优化目标的质心位置和窗口大小，解决目标互相遮挡和新目标出现的问题。将目标质心预测算法和目标质心最近匹配算法结合，对多目标进行跟踪。实验结果表明该算法具有较好的精确度和准确度。
设计并实现了多目标跟踪系统。将基于切比雪夫像素估计的多目标检测算法和基于目标质心运动状态的多目标跟踪算法集成，用来验证多目标检测算法和多目标跟踪算法的实用性。同时，该系统以模块形式划分，可使系统具有较好的可维护性和可扩展性。