基于角點(diǎn)和surf特征的目標(biāo)尺度自適應(yīng)研究.pdf

1、隨著計算機(jī)和信息傳輸技術(shù)的發(fā)展，人們利用工具智能化處理生活中問題的需求日益強(qiáng)烈。大量的數(shù)據(jù)和視頻采集設(shè)備被應(yīng)用到日常生活的各個領(lǐng)域，如何處理采集到的視頻數(shù)據(jù)逐漸成為研究熱點(diǎn)，視頻跟蹤作為計算機(jī)視覺的一個重要分支被越來越多的國內(nèi)外研究機(jī)構(gòu)所重視，解決好視頻跟蹤這個基本任務(wù)才能更好地完成其他智能化的研究，研究視頻跟蹤技術(shù)具有很高的使用價值和現(xiàn)實(shí)意義。
　　當(dāng)前，視頻監(jiān)控系統(tǒng)被廣泛的應(yīng)用于交通、安保及軍事等各個領(lǐng)域。視頻跟蹤作為視頻監(jiān)控

2、系統(tǒng)的核心，融合了圖像處理、模式識別、人工智能、自動控制、計算機(jī)等多種不同領(lǐng)域的理論和技術(shù)。視頻跟蹤課題的研究不僅能夠提高視頻監(jiān)控系統(tǒng)的智能化，也可以突破許多其他相關(guān)領(lǐng)域的瓶頸?，F(xiàn)有的視頻跟蹤算法大多數(shù)是基于目標(biāo)特征進(jìn)行目標(biāo)跟蹤，基本上實(shí)現(xiàn)可靠跟蹤，但是跟蹤算法的復(fù)雜度、魯棒性仍是亟待解決的問題。物體運(yùn)動軌跡的突然改變、背景色差的變化、目標(biāo)尺寸的改變、非剛性結(jié)構(gòu)物體、光照變化、目標(biāo)和背景的遮擋等問題都是視頻跟蹤算法設(shè)計過程中需要考慮的因

3、素。近年來，經(jīng)典的Mean-Shift目標(biāo)跟蹤算法因其復(fù)雜度低、魯棒性好被廣泛應(yīng)用，但其在一些方面還存在不足，例如不能準(zhǔn)確跟蹤快速移動目標(biāo)，不能尺度自適應(yīng)。本論文就此進(jìn)行了一些研究，首先介紹了視頻跟蹤算法及其研究進(jìn)展，然后從三個方向展開工作:
　　其一，幀差法提取目標(biāo)改進(jìn)研究:首先對幀差法進(jìn)行簡單的介紹，然后給出利用幀差法提取跟蹤目標(biāo)的仿真實(shí)驗(yàn)結(jié)果，指出其在目標(biāo)提取時存在的問題:易出現(xiàn)空洞和斷裂的現(xiàn)象導(dǎo)致無法有效的提取目標(biāo)，并由此

4、提出利用多次膨脹腐蝕來解決該問題，并利用仿真實(shí)驗(yàn)對采用不同次數(shù)膨脹腐蝕的算法進(jìn)行性能對比，經(jīng)過綜合分析得出最佳的膨脹腐蝕次數(shù)。
　　其二，Mean-shift算法改進(jìn)研究:首先對目標(biāo)提取和mean-shift算法進(jìn)行簡單介紹，然后給出該算法跟蹤非勻速快速運(yùn)動目標(biāo)的仿真結(jié)果，由此引出mean-shift算法在此種應(yīng)用中存在的不足之處:對快速運(yùn)動的目標(biāo)跟蹤效果差，并據(jù)此提出使用配準(zhǔn)兩幀的角點(diǎn)特征或surf特征來進(jìn)行匹配，修正mean-

5、shift的算法的初始迭代點(diǎn)，并且會比較兩個特征在算法改進(jìn)方面的優(yōu)缺點(diǎn)，比如時間，配準(zhǔn)效率等。從而找到合適的特征可以使得初始迭代點(diǎn)能夠通過迭代向最終的目標(biāo)移動。
　　其三，尺度自適應(yīng)問題研究:首先給出mean-shift算法在跟蹤連續(xù)的視頻圖像序列中尺寸發(fā)生變化物體的應(yīng)用實(shí)例，然后分析研究其跟蹤仿真實(shí)驗(yàn)結(jié)果，指出其存在的問題。由此提出配準(zhǔn)目標(biāo)的角點(diǎn)特征或者surf特征，通過仿射變換和斜率來去除錯誤配準(zhǔn)點(diǎn)，最后根據(jù)配準(zhǔn)出的特征點(diǎn)向量