基于魚(yú)眼鏡頭超大視場(chǎng)下的動(dòng)態(tài)目標(biāo)識(shí)別與跟蹤算法研究.pdf

1、近年來(lái),隨著對(duì)計(jì)算機(jī)視覺(jué)應(yīng)用需求的不斷增加,全方位視覺(jué)(OmnidirectionalVision)被廣泛地關(guān)注和研究。傳統(tǒng)的全方位視覺(jué)系統(tǒng)均由基于各種反射鏡的全方位視覺(jué)傳感器(Omni-directional Vision Sensor ODS)所構(gòu)建。ODS可以一次拍攝捕.獲水平360度信息,然而由于基于反射技術(shù),相機(jī)及支架將在圖像中成像,導(dǎo)致了盲區(qū)和冗余信息的存在。本文采用魚(yú)眼鏡頭建立全方位視覺(jué)系統(tǒng),魚(yú)眼鏡頭能夠一次性獲得180度

2、的半球域視場(chǎng),無(wú)盲區(qū),無(wú)需拼接,具有信息量大,應(yīng)用范圍廣等特點(diǎn),在公共安防、管道探測(cè)、輔助駕駛、現(xiàn)場(chǎng)檢測(cè)、車(chē)載巡檢、飛行器制導(dǎo)及空間機(jī)器人有著廣泛的應(yīng)用需求和前景。
　　 本文主要研究在魚(yú)眼鏡頭超大視場(chǎng)下的動(dòng)態(tài)目標(biāo)識(shí)別與跟蹤算法。
　　 對(duì)于動(dòng)態(tài)目標(biāo)識(shí)別的研究,本文首先分析了一些典型算法,如背景差法,幀間差分法和光流法。通過(guò)這三種方法的分析比較,我們最終提出一種新的動(dòng)態(tài)目標(biāo)檢測(cè)方法,將混合高斯背景模型、背景差法和三幀差分

3、法相融合,首先利用合高斯背景模型對(duì)背景進(jìn)行及時(shí)更新,用當(dāng)前幀和背景進(jìn)行差分得到一個(gè)動(dòng)態(tài)目標(biāo),然后運(yùn)用三幀差分法得到另一個(gè)動(dòng)態(tài)目標(biāo),再將這兩個(gè)動(dòng)態(tài)目標(biāo)進(jìn)行或運(yùn)算,最終得到完整的動(dòng)態(tài)目標(biāo)。通過(guò)實(shí)驗(yàn)證明改進(jìn)的算法具有很好的魯棒性和實(shí)時(shí)性,適用于魚(yú)眼鏡頭超大視場(chǎng)下的動(dòng)態(tài)目標(biāo)識(shí)別,并且對(duì)硬件沒(méi)有特殊要求。
　　 對(duì)于動(dòng)態(tài)目標(biāo)跟蹤的研究,本文首先回顧了MeanshiR算法和Camshifl算法,并利用MeanshiR算法推導(dǎo)出Camshif

4、l算法。Camshift能夠適應(yīng)動(dòng)態(tài)概率分布,可處理連續(xù)的圖像,因此,本文采用它作為動(dòng)態(tài)目標(biāo)跟蹤的方法的基本框架。為了提高在魚(yú)眼圖像中的跟蹤性能,本文首先對(duì)Camshifl算法進(jìn)行了改進(jìn),又將Kalman Filter融入到了改進(jìn)的Camshifl算法中,實(shí)現(xiàn)對(duì)動(dòng)態(tài)目標(biāo)的下一個(gè)位置進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明,本文提出的跟蹤算法具有很強(qiáng)的魯棒性和實(shí)時(shí)性,可滿(mǎn)足魚(yú)眼鏡頭超大視場(chǎng)下的動(dòng)態(tài)目標(biāo)跟蹤需求。
　　 并將改進(jìn)的算法分別應(yīng)用到全景視