基于ORB特征的目標(biāo)檢測(cè)與跟蹤的研究.pdf

1、目前,作為計(jì)算機(jī)視覺(jué)領(lǐng)域熱點(diǎn)和難點(diǎn)之一的運(yùn)動(dòng)目標(biāo)跟蹤技術(shù),它在軍事制導(dǎo),視覺(jué)導(dǎo)航,機(jī)器人,智能交通,公共安全等領(lǐng)域被廣泛的運(yùn)用。實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)檢測(cè)是進(jìn)行運(yùn)動(dòng)目標(biāo)跟蹤的基礎(chǔ);基于目標(biāo)與攝像機(jī)之間的關(guān)系,運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤,都可歸類(lèi)為靜態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤和動(dòng)態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤。針對(duì)越來(lái)越多的主動(dòng)跟蹤的需要,動(dòng)態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤顯得尤為重要。與此同時(shí),局部特征點(diǎn)算法在近年來(lái)得到了快速發(fā)展。因此,本文采用特征點(diǎn)匹配方

2、法實(shí)現(xiàn)了動(dòng)態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤。
　　1、動(dòng)態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)檢測(cè)。由于攝像機(jī)有平移、旋轉(zhuǎn)、縮放和傾斜等可能存在的運(yùn)動(dòng),在攝像機(jī)旋轉(zhuǎn)很大的情況下,線性的仿射參數(shù)模型不能很好的描述攝像機(jī)的運(yùn)動(dòng),而且需要對(duì)視頻序列實(shí)時(shí)的檢測(cè)出運(yùn)動(dòng)目標(biāo),針對(duì)這兩點(diǎn)我們選擇通用性更強(qiáng)的八參數(shù)旋轉(zhuǎn)模型來(lái)描述像素點(diǎn)運(yùn)動(dòng)。先采用PROSAC算法去除可能存在的外點(diǎn),得到正確的匹配特征點(diǎn)對(duì),并用最小二乘法求最優(yōu)解。全局運(yùn)動(dòng)參數(shù)通過(guò)八參數(shù)模型得到,然后將運(yùn)動(dòng)

3、補(bǔ)償作用于圖像,最后運(yùn)動(dòng)目標(biāo)由幀差法得到。實(shí)驗(yàn)結(jié)果表明該算法在秉持了SURF本身的優(yōu)越性的基礎(chǔ)上,運(yùn)動(dòng)目標(biāo)可以實(shí)時(shí)正確的被檢測(cè)出來(lái),檢測(cè)速度有所提高。
　　2、靜態(tài)場(chǎng)景下的運(yùn)動(dòng)目標(biāo)跟蹤。經(jīng)典的meanshift跟蹤算法存在著兩個(gè)主要的缺陷,一個(gè)是不能自動(dòng)調(diào)整跟蹤窗口的大小,另一個(gè)是不能繼續(xù)跟蹤被遮擋后的目標(biāo)。本文受CAMSHIFT算法的啟發(fā),對(duì)經(jīng)典的meanshift跟蹤算法進(jìn)行擴(kuò)展,提出了一種改進(jìn)的meanshift跟蹤算法,解