1、隨著人們對機器視覺的研究,該領域已從靜態(tài)視覺系統發(fā)展到主動視覺系統。主動視覺系統模擬人的視覺的主動性,可根據任務要求和已有的處理結果,決定對感興趣目標注視的部位、距離及角度等,即它是任務驅動的。與靜止的攝像機相比,主動視覺系統有高度的靈活性和更大的視野范圍,在很多領域有其應用價值,如視頻監(jiān)控、人機交互等。
　　 本文以主動視覺系統中的目標檢測與跟蹤為研究重點,主要做了以下工作:
　　 1.在運動目標檢測方面,設計并且實現

2、了基于混合高斯模型背景建模的目標檢測方法。采用混合高斯模型來建立背景并自適應更新,很好的解決了由環(huán)境中光線變化、干擾物體等動態(tài)因素引起的背景失效問題,在很大程序上提高了檢測的準確性。在差分圖像二值化的過程中,使用OSTU算法實現了二值化閾值的自適應選取,能夠適應各自光照強度下的運動目標分割；然后采用形態(tài)學運算,去除二值圖中亮斑的干擾。最后利用目標的幾何特征,排除背景較大的干擾物體。實驗表明本文方法能在保證較小計算量的前提下有效的分割出完

3、整的運動目標。
　　 2.在運動目標跟蹤方面,提出一種新的帶寬自適應的均值漂移(Mean-Shift)跟蹤算法。為了達到主動視覺中實時跟蹤的要求,本文采用了Mean-Shift跟蹤算法。并且針對Mean-Shift算法不能解決跟蹤過程中目標尺寸變化引起的目標定位不準確的問題,將SURF特征點檢測與之結合,匹配前兩幀圖像中的特征點,計算出目標的縮放因子,以此調整當前幀中跟蹤算法的核函數的帶寬。同時為了增強跟蹤的穩(wěn)定性,根據前兩視頻