改進(jìn)的Camshift和Kalman相融合的跟蹤算法.pdf

1、人類認(rèn)識世界、感知世界所需要的信息主要是通過視覺來實(shí)現(xiàn)的。計(jì)算機(jī)視覺是通過計(jì)算機(jī)及一些相關(guān)設(shè)備對攝取的視頻圖像進(jìn)行分析和處理來實(shí)現(xiàn)對生物視覺的一種模擬。在科學(xué)和工程領(lǐng)域中，計(jì)算機(jī)視覺是一個熱門并且具有重大研究意義的課題。運(yùn)動目標(biāo)的檢測及跟蹤作為計(jì)算機(jī)視覺的一個重要組成部分，被廣泛地應(yīng)用于軍事公安、智能交通等眾多領(lǐng)域。隨著信息科學(xué)技術(shù)的迅速發(fā)展，目標(biāo)檢測與跟蹤技術(shù)在社會生活中扮演著越來越重要的角色。
　　本課題主要研究運(yùn)動目標(biāo)跟蹤算

2、法，包括場景建立、檢測和跟蹤三個方面。在對運(yùn)動目標(biāo)的檢測與跟蹤基本算法深入研究的基礎(chǔ)上，提出了對算法融合和改進(jìn)的方法，改善了算法的檢測與跟蹤效果。文章的內(nèi)容主要包括以下幾個部分：
　?。?）闡述了運(yùn)動目標(biāo)檢測及跟蹤算法的研究背景、現(xiàn)狀及意義，介紹了運(yùn)動目標(biāo)跟蹤算法的實(shí)現(xiàn)流程，分析了影響運(yùn)動目標(biāo)跟蹤質(zhì)量的主要因素以及目標(biāo)跟蹤算法所面臨的困難。
　?。?）介紹了平均背景模型法、統(tǒng)計(jì)直方圖法、單高斯和混合高斯模型四種背景模型的建立

3、方法，并對它們做了具體的分析，提出了將統(tǒng)計(jì)直方圖法與混合高斯模型相結(jié)合的背景建立方法。通過實(shí)驗(yàn)證明，改進(jìn)后的背景建模方法建立得到的背景圖像與實(shí)際的背景圖像更相似。
　　（3）對幀間差分法、三幀差法、背景減除法以及光流法進(jìn)行實(shí)驗(yàn)研究，并分析它們的檢測效果。在此基礎(chǔ)上，融合三幀差法和背景減除法檢測視頻圖像中感興趣的運(yùn)動目標(biāo)區(qū)域，融合兩種算法處理可以獲得更完整的運(yùn)動目標(biāo)信息。
　　（4）為了減少相似背景環(huán)境的干擾，改進(jìn)Camshi

4、ft跟蹤算法。將視頻中目標(biāo)圖像的HSV模型的三個分量分別做反向投影圖，再進(jìn)行加權(quán)處理，同時把整幀圖像反向投影的計(jì)算改為計(jì)算稍大于搜索窗口區(qū)域的反向投影。最后，融合改進(jìn)的Camshift算法與Kalman跟蹤算法，實(shí)現(xiàn)了運(yùn)動目標(biāo)有遮擋時仍然可以對目標(biāo)進(jìn)行準(zhǔn)確跟蹤的目的。
　　在VS2008及OPENCV2.1環(huán)境下進(jìn)行實(shí)驗(yàn)研究，并對實(shí)驗(yàn)結(jié)果進(jìn)行深入分析。結(jié)果表明，本文提出的改進(jìn)算法能夠檢測到完整的感興趣的運(yùn)動目標(biāo)區(qū)域，實(shí)現(xiàn)了有遮擋、