1、視覺跟蹤問題是當今計算機視覺領域的研究熱點。隨著社會公共安全體系的逐步完善，公共場所中對安全智能監(jiān)控系統(tǒng)的要求越來越高，這使得許多知名公司和科研機構在此課題中投入大量人力財力。人體運動目標的檢測與跟蹤使視覺跟蹤的重要部分，它在未來研究領域中將有廣闊的前景并能帶來巨大的社會效益。 人體跟蹤主要包括三部分重要內(nèi)容：視頻圖像預處理，人體目標檢測，運動跟蹤。本文主要的工作如下： 1. 利用攝像機對運動目標進行視頻采集，由于外界干

2、擾或機器自身的變化很容易使圖像被噪聲污染，于是對每幀圖像進行處理分析前，必須進行預處理使畫面平滑。本文在介紹幾種經(jīng)典去噪算法的基礎上，提出了兩種新的去噪方法。方法一是利用小波算法跟多級中值濾波相結(jié)合，在圖像的高頻信息中實現(xiàn)濾波再進行重構；方法二是把雙Haar小波與wi ener濾波算法結(jié)合，并在窗口方向的選擇上提出了改進。試驗表明這兩種算法能夠在去噪的同時保護好原圖像的細節(jié)信息，得到較高的信噪比結(jié)果。 2. 人體目標檢測也是跟蹤

3、過程中的一個難點，要實現(xiàn)從復雜的背景中把需要的目標分離出來。通常把背景分為靜態(tài)和動態(tài)兩種，在室內(nèi)或者高速公路上背景一般不會發(fā)生大的變動，只有光照等影響圖像的亮度，可認為靜態(tài)背景；而在室外，當背景比較復雜時，也會發(fā)生較明顯的變化，比如風吹動的樹葉、飄動的白云、起伏的波浪等等，這種情況我們把它歸為動態(tài)背景。靜態(tài)背景的目標檢測用背景差分的方法，只需要對背景進行相應的更新。動態(tài)背景中我們提出了一種基于貝葉斯模型的目標檢測方法，利用兩鄰幀圖像的相

4、關性能夠較好的將目標與動態(tài)背景區(qū)分開來。試驗表明能達到較好的檢測效果。 對人體進行有效的檢測后，就需要對其進行相應的分析，把每個個體用矩形框進行鎖定，定義矩形的中心點為每個目標的特征點，利用其在圖像中的坐標表示他的位置，下一步估計其運動軌跡，實現(xiàn)跟蹤。 本文分為五個部分。第一部分首先闡述了課題的研究背景、意義及該領域的發(fā)展現(xiàn)狀；第二部分介紹了圖像預處理的經(jīng)典算法并提出新方法，對試驗結(jié)果進行分析比較；第三部分介紹了目標檢測