運動攝像機下多運動目標(biāo)的檢測與跟蹤.pdf

1、運動目標(biāo)的檢測與跟蹤在人工智能、軍事、視頻分析等各個領(lǐng)域都有著非常廣泛且重要的應(yīng)用,如機器人自動尋路、視覺智能導(dǎo)航,等等。圖像中一般存在著兩種運動,一種是全局運動,另一種是局部運動。前者是由攝像機的運動產(chǎn)生的,又可被稱為背景運動;后者是由于目標(biāo)本身的運動產(chǎn)生的,又可被稱為前景運動。當(dāng)只有目標(biāo)本身在運動運動、攝像機處于靜止?fàn)顟B(tài)時,目標(biāo)的檢測與跟蹤較為簡單。但是當(dāng)兩種運動同時存在時,全局運動和局部運動就會相互疊加,使得檢測和跟蹤運動目標(biāo)這一

2、問題變得復(fù)雜和困難。另外,當(dāng)前對運動攝像機下目標(biāo)跟蹤相關(guān)方面的研究主要集中于處理單目標(biāo)的情況,對多目標(biāo)的相關(guān)問題研究較少。
　　因此,對于運動攝像機下多目標(biāo)的檢測與跟蹤需要著重解決的問題有兩個:全局運動補償和多運動目標(biāo)的檢測與跟蹤。針對這兩個問題,本文提出了一種基于六參數(shù)仿射模型的全局K均值循環(huán)判斷聚類和模板匹配相結(jié)合的方法來予以解決。研究內(nèi)容主要包括以下幾個方面:(1)獲取運動攝像機的運動參數(shù)。尋找各幀的特征點并且完成前后幀的特

3、征點匹配,再將匹配對帶入六參數(shù)仿射模型,得到攝像機運動參數(shù),進行背景對準,使得整個背景由動態(tài)變?yōu)橄鄬o態(tài),完成全局運動補償。(2)提取運動目標(biāo)區(qū)域。對配準后的背景幀和當(dāng)前幀使用幀差法并閾值化就可以初步提取出運動區(qū)域。然后使用全局K均值算法對已經(jīng)提取出的前景點進行循環(huán)判斷和聚類,由此可得合理的聚類數(shù)目,即目標(biāo)區(qū)域數(shù)。(3)運動區(qū)域模板匹配。通過模板匹配來對比運動區(qū)域是否能與歷史數(shù)據(jù)中的某些模板達到匹配并且連續(xù)出現(xiàn),由此判斷該運動區(qū)域是屬于