1、運(yùn)動目標(biāo)的檢測與跟蹤技術(shù)是計算機(jī)視覺領(lǐng)域的關(guān)鍵技術(shù)之一。目前,靜止場景中的目標(biāo)檢測與跟蹤技術(shù),例如視頻監(jiān)控系統(tǒng)、交通管制系統(tǒng)等,研究已經(jīng)日趨成熟,在軍事、交通、工業(yè)制造、醫(yī)療以及日常生活中的眾多領(lǐng)域得到了廣泛的應(yīng)用。相對于靜止場景,運(yùn)動場景是指攝像機(jī)運(yùn)載平臺的姿態(tài)的改變而造成了背景與被檢測目標(biāo)之間的相對運(yùn)動。在運(yùn)動場景中,要將運(yùn)動的前景目標(biāo)從同樣在運(yùn)動的背景中分離出來,使得目標(biāo)檢測與跟蹤技術(shù)將變得更加復(fù)雜。特別是在復(fù)雜的實際場景中,檢測
2、與跟蹤技術(shù)的實時性和可靠性往往難以得到保證,是當(dāng)今檢測與跟蹤技術(shù)研究的難點(diǎn)。如何準(zhǔn)確區(qū)分背景與運(yùn)動目標(biāo)是運(yùn)動場景的目標(biāo)檢測與跟蹤技術(shù)的首要任務(wù)。
運(yùn)動場景中的目標(biāo)檢測與跟蹤方案可以分為背景運(yùn)動補(bǔ)償技術(shù)、目標(biāo)檢測技術(shù)和目標(biāo)跟蹤技術(shù)三大環(huán)節(jié)。圍繞這三大技術(shù)環(huán)節(jié),本文主要工作如下:
重點(diǎn)研究了背景運(yùn)動估計與補(bǔ)償。分析了常用的多種特征點(diǎn)檢測方法,提出了一種基于SIFT特征的背景運(yùn)動估計方法。利用其尺度不變的特點(diǎn),可以
3、有效的描述背景運(yùn)動,具有不需要設(shè)置閾值,并有效、快速地提取整幅圖像的特征點(diǎn)的優(yōu)點(diǎn)。
采用基于HSV顏色空間直方圖與梯度方向直方圖(HOG)的雙重視覺信息建立目標(biāo)表示模型,從而更準(zhǔn)確的對目標(biāo)進(jìn)行跟蹤。
重點(diǎn)研究了運(yùn)動目標(biāo)跟蹤技術(shù)。在對MeanShift算法的詳細(xì)研究基礎(chǔ)之上,實現(xiàn)了基于改進(jìn)的MeanShift算法的跟蹤方法。提出了基于粒子濾波算法的跟蹤方法在本框架中的應(yīng)用,并對兩種方法的優(yōu)劣進(jìn)行了比較。