题目：面向室外视频监控的运动目标检测与跟踪研究

当前，随着数字视频正渗透到经济发展、国家安全、社会稳定和人民生活的众多方面，成为人们获取信息的重要来源，数字视频处理技术也已步入全面发展阶段，而基于视频分析的运动目标检测和跟踪作为视频编码、内容检索和事件理解等数字视频处理技术的基础受到高度重视。但是，在室外视频监控这种运动目标检测和跟踪的典型应用中，远距离观察的图像质量差、室外环境复杂且存在多种干扰、目标种类多样、目标和背景存在外观变化等因素造成现有的运动目标检测方法准确性低，漏报、误报现象严重，难以进行连续准确、稳健的目标跟踪。为此，本文对室外视频监控下的运动目标检测与跟踪技术进行深入研究，具体研究成果与工作包括以下几个方面：1. 提出了一种基于自适应背景重构和场景区域分类的运动目标检测算法针对现有运动目标检测层次低、实用性差的问题，提出一种综合亮度稳定状态持续时间和出现频率的自适应背景重构算法。根据亮度的统计特性、运动对象的多样性，以及背景扰动点的多个背景和邻域点最优背景的关系实现背景的自适应重构。进而提出根据像素点重构的背景个数进行区域分类，在场景理解的基础上对不同类型区域采取不同的检测策略，并结合空间相关性实现准确的运动目标检测。实验结果表明，提出的算法智能化程度高，能够有效应对水面波动、风吹树晃等背景扰动，以及强风下摄像机轻微抖动、运动对象不断经过等复杂情况，准确检测到慢速目标和运动着的小目标。2. 提出了一种综合运动检测和边缘检测的准确目标分割方法目标的运动速度和周围背景的干扰会给目标分割造成困难，进而影响跟踪的效果，为此提出一种综合利用背景减法或小波累积光流等运动检测手段和Canny边缘检测的准确目标分割方法。根据摄像机运动情况采取背景减法或小波累积光流，在获得运动掩模的基础上提出多代表点的层次聚类，结合Canny边缘检测的结果进行四点向内填充完成准确的目标分割。实验结果表明，提出的方法不受背景扰动影响，克服了运动检测在目标运动较快时容易产生拖影，目标运动较慢时又容易产生孔洞，而边缘检测对其他纹理丰富对象没有识别能力的缺点，综合两者的结果实现准确的目标分割。3. 提出一种面向个体差异的目标有效特征学习方法针对现有跟踪算法对目标有效特征学习不足，稳健性差、实用性低，不能很好满足现实需求的问题，综合人类对显著颜色的注意力机制、目标各部分的形变差别，以及目标运动具有的连续性和趋势性特点，提出一种面向个体差异的目标有效特征学习方法。采用颜色差异模型确定目标中明显区别于背景的显著颜色，结合形变差异模型确定目标中形变较小的部分，利用运动趋势模型得到目标在一段时间内的运动趋势，从而形成显著颜色、形变稳定模板和运动趋势三种互补特征的有效表示，并把三个弱分类器统一到置信度表示框架下，为形成强分类器奠定基础。实验结果表明，提出的方法能够应对背景复杂和目标多样的情况，很好地学习到目标的有效特征。4. 提出了一种综合低层特征和感知状态的目标跟踪算法在分析场景和目标复杂性的基础上，模拟人类感知过程建立目标跟踪框架，提出了一种综合低层特征和感知状态的目标跟踪算法。在目标跟踪框架下首先进行有效低层特征的学习，进而建立和这些低层特征对应的多个感知模型，感知模型反映了目标的感知状态，算法利用感知状态来指导目标跟踪过程，自适应选择有效的特征分类器进行融合，实现目标跟踪；同时，低层特征和感知模型自适应更新以反映目标和背景外观的变化。实验结果表明，提出的算法对光照变化、相似颜色对象出现，以及目标发生形变、被遮挡、重叠或者消失等情况能保证准确、稳健的跟踪效果。