蔡睿妍，田 全

(大连大学信息工程学院，辽宁大连116622)

目标的检测与跟踪涉及到人工智能、机器视觉、生物医学、自动控制等多个学科，近年来，随着计算机技术的发展，得到了广泛的研究与应用［1］。目前比较流行的目标检测算法包括帧间运动估计和背景差分的方法，帧间运动估的方法是利用图像序列中相邻帧图像之间的差来提取图像的运动区域的。该方法实现简单，但只能检测相对运动的目标，并且检测出目标的位置不够精确。背景差分法首先定义视频图像的特定帧为背景，然后将当前帧和背景进行差分比较，如果同位置的像素特征、像素区域特征或其他特征的差别大于选定的阈值，则当前帧中该位置的像素区域就判定为前景目标区域，反之则为背景。该方法容易受到光线亮度变化的影响［2］。基于上述原因，本文提出了一种基于时间序列的编码建模算法，该算法能够解决像素剧烈变化的问题，可以提高复杂背景下目标检测的稳健性。目标的跟踪是通过算法获得目标在特定时间段上的运动轨迹，包括目标的产生、运动和销毁三个过程。由于算法中涉及到帧间目标空间位置的测量，在传统的跟踪算法中，当目标数目增加的时候，算法的时间复杂度呈指数形式增加。本文在分析上述问题基础上，将KD-Tree方法［3］引入目标跟踪算法之中，降低了算法的时间复杂度，同时降低了算法对目标数目的敏感程度，实现了高精度、高效率的目标检测与跟踪。……