基于主動輪廓模型的運動跟蹤系統(tǒng)的研究.pdf

1、序列圖像中運動目標(biāo)的檢測與跟蹤是計算機視覺和圖像編碼研究的主要內(nèi)容，其涉及到圖像處理、模式識別、自動控制、應(yīng)用數(shù)學(xué)和人工智能等多個學(xué)科的知識，在機器人、智能監(jiān)控系統(tǒng)、醫(yī)學(xué)圖像分析以及視頻圖像壓縮和傳輸?shù)阮I(lǐng)域中都有應(yīng)用。
　　主動輪廓模型是近年來圖像和計算機視覺領(lǐng)域的研究熱點。它融合了待處理問題的先驗知識和圖像特征，是對Marr提出的自下而上、信息單向傳遞的視覺計算理論的挑戰(zhàn)。本課題主要研究如何將主動輪廓模型應(yīng)用于運動跟蹤任務(wù)中。<

2、br>　　本文首先對傳統(tǒng)Snake模型進行深入研究，分析了其特點與不足，并提出使用其改進模型——GVFSnake模型進行運動跟蹤。然后，針對主動輪廓模型對初始輪廓敏感的問題，本文引入卡爾曼濾波（Kalmanfilter）對運動目標(biāo)的運動軌跡進行預(yù)測，從而使初始輪廓更加貼近目標(biāo)實際輪廓。最后，本文還介紹了基于DSP的視頻采集與處理系統(tǒng)的搭建方法，并成功植入運動檢測程序，這位后續(xù)研究打好了基礎(chǔ)。
　　為了實現(xiàn)跟蹤系統(tǒng)的完全自動化，本文

3、提出了使用二次幀差法和投影法相結(jié)合的方法來完成跟蹤系統(tǒng)的運動檢測和目標(biāo)初始輪廓提取功能。實驗結(jié)果證明在背景穩(wěn)定的情況下，系統(tǒng)能有效地檢測到運動物體，并準(zhǔn)確提取出運動物體的初始輪廓。
　　在對目標(biāo)輪廓進行運動跟蹤的過程中，輪廓線往往會被背景中的非目標(biāo)邊緣所吸引而無法掙脫，從而影響輪廓的正確收斂。針對這一問題，本文提出了在跟蹤過程中加入輪廓修正的方法來解決。輪廓修正是根據(jù)運動目標(biāo)本身的輪廓特性和其運動信息，對GVFSnake模型收斂出