1、視覺運動目標檢測與跟蹤是計算機視覺學科的一個研究熱點,其應用遍布計算機視覺的多個領域,如視頻監(jiān)控、三維重建等。經(jīng)過眾多學者的努力,視覺運動目標檢測與跟蹤技術和30年前相比,無論是實時性、準確性和魯棒性都有了大幅度的提高。然而,由于現(xiàn)實世界的復雜性及人類知識的局限性,目前視覺運動目標檢測與跟蹤技術還存在諸多難點。本文深入研究了視覺運動目標檢測與跟蹤已有的相關算法,并在此基礎上做了新的嘗試。本文主要做了以下工作:
　　1、深入研究了視

2、覺運動目標檢測的一些經(jīng)典算法(高斯、混合高斯、核密度估計、Codebook、ViBe和LBP),從理論和實驗方面探討了這些算法各自的優(yōu)缺點。其次,從組合優(yōu)化理論的角度深入分析了近些年提出的幾種比較有代表性的多目標跟蹤算法(基于線性規(guī)劃、基于 k最短路徑和基于廣義最小團圖),然后以實驗分析了這些算法的可行性。
　　2、采用尺度不變局部三值模式(Scale Invariant Local Ternary Pattern, SILTP)

3、紋理特征并結合VIBE(VIsual Background Extractor)算法進行運動目標檢測。算法采用視頻的第一幀來構建背景模型,在考慮像素時間和空間相關性的基礎上,綜合采用選擇性更新和盲目更新,并采用隨機替代的方式來更新背景模型,最后根據(jù)SILTP紋理特征的相似性判別方式來區(qū)分前景和背景,定性和定量的實驗分析表明,該算法具有較好的檢測效果,實時性和準確性相對以往算法都有較大的提高。
　　3、一種分層關聯(lián)的多目標跟蹤算法。