基于立體視覺(jué)的運(yùn)動(dòng)目標(biāo)軌跡重建技術(shù).pdf

1、視頻目標(biāo)的檢測(cè)跟蹤一直是計(jì)算機(jī)視覺(jué)領(lǐng)域研究的熱點(diǎn)和難點(diǎn)之一，在智能交通、機(jī)器人、人機(jī)接口、武器制導(dǎo)、工業(yè)控制、醫(yī)學(xué)治療等方面得到了越來(lái)越豐富的應(yīng)用。其目的是為了捕獲視頻中感興趣的目標(biāo)，為后續(xù)的處理提供目標(biāo)位置和軌跡信息。
　　本文探討了基于立體視覺(jué)原理的運(yùn)動(dòng)目標(biāo)軌跡的三維重建技術(shù)。首先利用改進(jìn)的ViBe運(yùn)動(dòng)目標(biāo)檢測(cè)算法對(duì)圖像的顏色和深度信息建模，根據(jù)圖像顏色和深度的變化檢測(cè)出視頻中的運(yùn)動(dòng)目標(biāo)，提取出精確的目標(biāo)圖像。隨后用改進(jìn)的KC

2、F跟蹤方法跟蹤運(yùn)動(dòng)目標(biāo)，在保持原算法對(duì)目標(biāo)的變化適應(yīng)性的同時(shí)，針對(duì)目標(biāo)長(zhǎng)時(shí)間遮擋的情況做出了改進(jìn)，使跟蹤過(guò)程更加穩(wěn)健，避免了跟蹤漂移的發(fā)生。最后基于立體視覺(jué)原理計(jì)算出目標(biāo)的三維空間位置，將計(jì)算出的軌跡點(diǎn)根據(jù)需要擬合成目標(biāo)軌跡。
　　在運(yùn)動(dòng)目標(biāo)檢測(cè)階段，傳統(tǒng)的ViBE（Visual Background Extractor）運(yùn)動(dòng)目標(biāo)檢測(cè)算法常常會(huì)產(chǎn)生一些人們不期望的前景區(qū)域，例如Ghost區(qū)域、目標(biāo)陰影、光照變化等。本文提出了一種利

3、用深度的相對(duì)變化模式來(lái)識(shí)別前景與背景的改進(jìn)ViBE檢測(cè)算法。首先利用圖像顏色與深度信息建立雙背景模型；隨后利用顏色背景模型檢測(cè)當(dāng)前幀內(nèi)可能的前景區(qū)域；最后引入深度背景模型識(shí)別前景區(qū)域中存在的虛假活動(dòng)前景，給出了背景區(qū)域、鬼影區(qū)域、陰影區(qū)域的背景模型更新方法。算法實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小，對(duì)于前景假目標(biāo)有較高的辨識(shí)能力，能夠同時(shí)消除多種錯(cuò)誤前景，并且對(duì)于深度圖像中的無(wú)效深度、噪聲等進(jìn)行了處理，可靠性大大提高。實(shí)驗(yàn)結(jié)果表明，本算法可以有效消除Gh

4、ost區(qū)域、目標(biāo)陰影、光照變化等情況，與ViBE算法相比平均檢測(cè)精度上升了34.68％，在處理640*480的彩色圖像時(shí)運(yùn)行的平均FPS為34.96，完全能夠滿足實(shí)時(shí)處理的要求。
　　在運(yùn)動(dòng)目標(biāo)跟蹤階段，傳統(tǒng)的KCF（Kernelized Correlation Filter）目標(biāo)跟蹤算法在處理長(zhǎng)時(shí)間遮擋時(shí)會(huì)發(fā)生漂移。為了解決這個(gè)問(wèn)題，本文提出了利用目標(biāo)區(qū)域深度分布信息識(shí)別目標(biāo)遮擋、動(dòng)態(tài)調(diào)節(jié)模型更新率以及合成訓(xùn)練集減少負(fù)樣本噪聲的

5、改進(jìn)KCF算法。首先，根據(jù)目標(biāo)區(qū)域的深度分布情況計(jì)算目標(biāo)遮擋率；隨后利用目標(biāo)遮擋率調(diào)節(jié)模型更新率，使目標(biāo)在發(fā)生遮擋時(shí)適當(dāng)降低模型更新率；最后在目標(biāo)發(fā)生遮擋時(shí)利用遮擋MASK合成目標(biāo)訓(xùn)練集，使跟蹤模型向目標(biāo)逼近。經(jīng)過(guò)處理，改進(jìn)的KCF算法有效地減少了負(fù)樣本噪聲，保持了跟蹤器對(duì)目標(biāo)的穩(wěn)定跟蹤，能夠適應(yīng)目標(biāo)長(zhǎng)時(shí)間遮擋的情況。
　　最后介紹了針對(duì)清晰和模糊目標(biāo)的軌跡重建技術(shù)，對(duì)于清晰目標(biāo)，利用目標(biāo)特征點(diǎn)和區(qū)域匹配相結(jié)合的圖像自動(dòng)匹配技術(shù)，

6、精細(xì)重建目標(biāo)上的點(diǎn)，用目標(biāo)點(diǎn)坐標(biāo)計(jì)算目標(biāo)質(zhì)心，得到目標(biāo)空間位置。對(duì)于運(yùn)動(dòng)模糊目標(biāo)，針對(duì)雙目視頻中左右視圖的運(yùn)動(dòng)目標(biāo)不同步的問(wèn)題，提出了利用軌跡插值的方法解決運(yùn)動(dòng)目標(biāo)匹配的問(wèn)題。運(yùn)用方向微分方法求出瞬時(shí)目標(biāo)運(yùn)動(dòng)方向，基于目標(biāo)瞬時(shí)運(yùn)動(dòng)方向的導(dǎo)數(shù)與質(zhì)心位置信息，利用Hermite插值方法得出方向?qū)?shù)和位置信息逼近真值的質(zhì)心軌跡,每一對(duì)同步幀產(chǎn)生插值的空間軌跡點(diǎn)。為提高軌跡重建的準(zhǔn)確度，減少測(cè)量過(guò)程中的隨機(jī)誤差，探討了采用針對(duì)同一目標(biāo)多角度測(cè)量