全方位視頻展開和運動目標檢測與跟蹤方法的研究與實現(xiàn).pdf

1、人類獲取周邊環(huán)境的信息主要是靠視覺感知的，大約占到人類獲取信息總量的70％。與傳統(tǒng)的視覺系統(tǒng)相比，全方位視覺技術是一門新興的視覺感知技術，因其大視場的優(yōu)勢，已經(jīng)被廣泛應用于各種軍事、航空以及民用設施中。本文主要對全方位視頻展開過程中使用的插值算法以及目標檢測、目標跟蹤算法進行了研究，并實現(xiàn)了一個全方位視覺軟件。
　　由于全方位圖像有同心圓導致的變形問題，為了得到更符合人眼觀察的圖像和為后續(xù)的目標檢測等工作做準備，需要將全方位圖像還

2、原展開。本文首先介紹了全方位視頻柱面還原展開的方法，然后針對展開過程中使用的插值算法進行了分析，比較了傳統(tǒng)的插值算法如最近鄰和雙線性插值法的展開性能，并提出了改進的基于查找表的局部插值方法，經(jīng)過驗證該插值方法可以滿足系統(tǒng)實時展開的要求。
　　然后對常用的運動目標檢測算法進行了研究，比較了光流法、幀間差分法和背景減除法的優(yōu)缺點。然后對幀間差分法和混合高斯背景建模法的實驗結果進行了比較，結合實際環(huán)境的復雜性，例如樹葉搖動、水紋波動等和

3、目標運動狀況的復雜性，指出混合高斯背景建模法的目標檢測效果要好于幀間差分法。
　　其次介紹了常用的目標跟蹤算法:CamShift算法和Kalman濾波算法。CamShift算法是基于目標顏色的跟蹤，當目標出現(xiàn)遮擋或目標周圍出現(xiàn)相似顏色的物體干擾時，就會出現(xiàn)目標搜索框擴大、甚至是目標丟失的問題。Kalman濾波是一種最優(yōu)估計方法，系統(tǒng)中的噪聲能夠引起誤差，Kalman濾波可以根據(jù)預測和更新這兩個過程的不斷迭代，將系統(tǒng)中的誤差降低到最